Spark RDD

弹性分布式数据集（RDD）不仅仅是一组不可变的JVM(Java虚拟机) 对象的分布集，可以让你执行高速运算，而且是Apark Spark的核心。

顾名思义，该数据集是分布式的。基于某个关键字，该数据集被划分成多块，同时分发到执行结点。这样做可以使得此类数据集能够执行高速执行运算。另外，RDD将跟踪（记入日志）应用于每个块的所有转换，以加快计算速度，并在发生错误和部分数据丢失时提供回退。在这种情况下，RDD可以重新计算数据。该数据日志是另外一种抵御数据丢失的防线并且有助于数据复制。

RDD并行操作

Spark工作原理的最大优势是：每个转化并行执行，从而大大提高速度。

数据集转化通常是惰性的，这就意味着任何转换仅在调用数据集上的操作才执行，这有助于Spark优化执行。