1. Spark 集群物理架构图
说明：
- Master 负责整个集群的资源管理和任务调度。
- Worker 负责管理本机资源。
- Executor 是真正执行 Task 的进程。
2. Spark 核心角色关系图
说明：
- 一个 Application 对应一个 Driver。
- Driver 负责调度，Executor 负责执行。
- Task 是 Spark 最小执行单元。
3. 宽窄依赖对比图
说明：
- 窄依赖：一个父分区只对应一个子分区。
- 宽依赖：父分区数据需要重新分配，会触发 Shuffle。
4. Stage 划分原理图
说明：
- 遇到 Shuffle 算子，Spark 会切分 Stage。
- Stage 内部可以流水线执行。
- Stage 之间顺序执行。
5. WordCount 执行流程图
说明：
- 这是 Spark 最经典的入门案例。
- 核心流程：读取 → 切分 → 标记 → 分组 → 聚合 → 输出。
6. RDD 惰性求值图
说明：
- map、filter、flatMap 等是转换算子。
- collect、count、saveAsTextFile 等是行动算子。
- 只有遇到 Action，Spark 才真正开始计算。
7. Spark 任务运行流程图
说明：
- 任务提交后，Master 先分配资源。
- Driver 负责生成逻辑计划和物理计划。
- Executor 负责真正执行计算任务。
8. Spark 技术栈全景图
说明：
- Spark Core 是底层核心。
- Spark SQL、Streaming、MLlib、GraphX 都是上层组件。
- 它们都建立在 RDD 和统一调度引擎之上。
9. Spark 运行模式图
说明：
- Local：单机调试。
- Standalone：Spark 自带集群。
- YARN：企业生产常用。
- Kubernetes：云原生部署。
10. RDD 五特性简化图
说明：
- 分区：数据可以并行处理。
- 依赖：记录 RDD 之间的关系。
- 分区器：决定 Key 如何分配。
- 优先位置：计算尽量靠近数据。
如果还报错，我建议你优先用这一版最稳的 Spark 任务运行流程图：
这版结构最简单，基本不会渲染失败。