在Apache Spark中，宽依赖与窄依赖分别指什么？请对比二者的区别及其对任务调度和容错机制的影响。

回答思路

1. 【回答框架 1】窄依赖指父RDD的每个分区最多被子RDD的一个分区使用，如map、filter操作。宽依赖指父RDD的每个分区可能被多个子分区使用，如groupByKey、join操作。
2. 【回答框架 2】窄依赖支持流水线执行，任务在单个节点上连续处理，无需数据混洗；宽依赖需要shuffle，数据在不同节点间传输，带来网络和磁盘开销。
3. 【回答框架 3】窄依赖的容错恢复较快，只需重新计算丢失的分区；宽依赖需重新计算父RDD的所有分区并重新shuffle，代价更高。
4. 【回答框架 4】调度上，窄依赖可在一个stage内并行执行，宽依赖引入stage边界，需等待所有父任务完成。
5. 【回答框架 5】在实际应用中，应优先使用窄依赖操作（如map、filter、union）以减少shuffle，必要时才使用宽依赖。
6. 【关键点 1】窄依赖父分区至多对应一个子分区，宽依赖对应多个。
7. 【关键点 2】窄依赖无需shuffle，支持流水线执行，宽依赖引入shuffle与stage边界。
8. 【关键点 3】窄依赖容错成本低，宽依赖需重新计算并shuffle。
9. 【关键点 4】优先选择窄依赖以提高性能。
10. 【易错点 1】不能将宽依赖简单视为性能差，某些场景必须使用。
11. 【易错点 2】忽略数据倾斜对宽依赖的影响会导致任务不均衡。
12. 【易错点 3】错误认为所有join都是宽依赖，某些广播join实际是窄依赖。