请描述在 Apache Spark 中，DAG（有向无环图）的生成过程，以及它在整个任务调度流程中扮演的角色是什么？
考察说明
考察对 Spark 核心调度机制中 DAG 生成逻辑及其在任务调度中的功能的理解。
回答思路
- 【回答框架 1】DAG 是 Spark 根据用户编写的转换算子（如 map、filter、join 等）的执行顺序构建的有向无环图，节点表示 RDD 或 shuffle 阶段，边表示数据依赖关系。
- 【回答框架 2】生成过程从对 RDD 的转换操作开始，Spark 通过记录每个 RDD 的血统（lineage）来构建依赖图，连接 RDD 间的宽窄依赖。
- 【回答框架 3】DAG 在任务调度中的作用是确定任务划分：根据宽依赖划分 stage，stage 内划分为多个 task 并提交到集群执行，实现阶段化执行和失败恢复。
- 【回答框架 4】具体流程：用户代码构建 RDD 转换链，当遇到行动操作（action）时触发调度器，DAGScheduler 将 DAG 转换为 stage 和 task 集合，随后提交给 TaskScheduler。
- 【回答框架 5】DAG 支持容错，通过血统根据依赖关系重新计算丢失分区，实现可靠的重新执行。
- 【关键点 1】DAG 由 RDD 的转换操作构建，节点是 RDD，边表示依赖关系。
- 【关键点 2】宽依赖（如 shuffle）是划分 stage 的边界，窄依赖（如 map）则合并为一个 stage 内的 task。
- 【关键点 3】DAGScheduler 负责将 DAG 拆分为 stage 并生成任务集，TaskScheduler 负责具体任务执行。
- 【关键点 4】行动操作触发 DAG 生成和调度，生成过程由 DAGScheduler 完成。
- 【易错点 1】混淆 DAG 生成与提交时机，DAG 并非每次行动操作都重新生成，而是复用已有 RDD 定义，行动时构建执行计划。
- 【易错点 2】忽略宽窄依赖差异，误将窄依赖也划入新 stage。
- 【易错点 3】认为 DAG 直接包含物理执行细节，实际 DAG 是逻辑依赖图，物理执行由任务集完成。