SparkCore

一、RDD详解

1.1 什么是RDD

RDD（Resilient Distributed Dataset）叫做弹性分布式数据集，是Spark中最基本的数据抽象，代表一个不可变、可分区、里面的元素可并行计算的集合。

• Dataset：一个数据集合，用于存放数据的。
• Distributed：RDD中的数据是分布式存储的，可用于分布式计算。
• Resilient：RDD中的数据可以存储在内存中或者磁盘中。

1.2 RDD的五大特征

前三个特征每个RDD都具备的，后两个特征可选的

1.2.1 RDD是有分区的

RDD的分区是RDD数据存储最小单位