Spark中RDD的建立與存儲

  RDD，全稱爲Resilient Distributed Datasets，是一個容錯的、並行的數據結構，可讓用戶顯式地將數據存儲到磁盤和內存中，並能控制數據的分區。java RDD是隻讀的、分區記錄的集合。RDD不須要物化。RDD含有如何從其餘RDD衍生（即計算）出本RDD的相關信息（即Lineage），據此能夠從物理存儲的數據計算出相應的RDD分區。node   每一個RDD有5個主要的屬

>>阅读原文<<