Spark RDD概念學習系列之RDD的缺點（二）

RDD的缺點？

RDD是Spark最基本也是最根本的數據抽象，它具有像MapReduce等數據流模型的容錯性，而且容許開發人員在大型集羣上執行基於內存的計算。

爲了有效地實現容錯。

RDD提供了一種高度受限的共享內存，即RDD是隻讀的，而且，只能經過其餘RDD上的批量操做來建立。

　　RDD只支持粗粒度轉換，限制了編程模型。

　　但RDD仍然能夠很好地適用於不少應用，特別是支持數據並行的批量分析應用，包括數據挖掘、機器學習、圖算法等，由於這些程序一般都會在不少記錄上執行相同的操做。

　　RDD不太適合那些異步更新共享狀態的應用，例如並行Web網絡爬蟲。

所以，Spark的目標是爲大多數分析型應用提供有效的編程模型，而其餘類型的應用則交給專們的系統。