RDD概述

什么是RDD？

RDD叫做弹性分布式数据集，是Spark中基本的数据抽象，代码中是一个抽象类，它代表一个弹性的、不可变、可分区、里面元素可并行计算的集合。

一、我相信大家最疑惑的就是“什么是弹性分布式数据集”弹性就是：

存储的弹性：内存与磁盘的自动切换

容错的弹性：数据丢失可以自动恢复

计算的弹性：计算出错重试机制

分片的弹性：可根据需要重新分片。

二、什么是不可变：

简单来说就是创建一个RDD如果更改，并不是真正意义上的更改，只是又创建了一个新的RDD

三、可分区：

这个的意思我想我不需要解释，可分区的意思就是能分区

四、并行计算

学过线程的都知道什么是

以上只是简单了解一下，接下来我把官方的解释给大家拿出来

RDD的属性

1. 一组分区（Partition），即数据集的基本组成单位;
2. 一个计算每个分区的函数;
3. RDD 之间的依赖关系;
4. 一个 Partitioner，即 RDD 的分片函数;
5. 一个列表，存储存取每个 Partiti