SparkContext是用户通往Spark集群的唯一入口，可以用来在Spark集群中创建RDD、累加器（Accumulator）和广播变量（Broadcast Variable）。SparkContext也是整个Spark应用程序（Application）中至关重要的一个对象，可以说是整个Application运行调度的核心（不是指资源调度）。
SparkContext的核心作用是初始化Spark应用程序运行所需的核心组件，包括高层调度器（DAGScheduler）、底层调度器（TaskScheduler）和调度器的通信终端（SchedulerBack-end），同时还会负责Spark程序向Master注册程序等。
通常，为了测试或者学习用Spark开发一个Application，在Application的main方法中，最开始几行编写的代码一般总是这样的：首先，会创建SparkConf实例，设置SparkConf实例的属性以便覆盖Spark默认配置文件spark-env.sh、spark-default.sh和log4j.properties中的参数；然后，SparkConf实例作为SparkContext类的唯一构造参数用来实例化SparkContext实例对象。SparkContext在实例化的过程中会初始化DAGScheduler、TaskScheduler和Sched-ulerBackend，而当RDD的action触发了作业（Job）后，SparkContext会调用DAGScheduler将整个Job划分成几个小的阶段（Stage），TaskScheduler会调度每个Stage的任务（Task）应该如何处理。另外，SchedulerBackend管理整个集群中为这个当前的Application分配的计算资源（即Executor）。(www.xing528.com)
如果用汽车来比喻Spark Application，那么SparkContext就是车子的引擎，而SparkConf是关于引擎的配置参数。
说明：只可以有一个SparkContext实例运行在于一个JVM内存中，所以在创建新的SparkContext实例之前，必须调用stop方法停止当前JVM唯一运行的SparkContext实例。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
