JIE的博客 --- moon_coder

RDD（Resilient Distributed Dataset）是 Spark 中的核心数据抽象，代表着分布式的不可变的数据集合。分布式的：RDD 将数据分布存储在集群中的多个计算节点上，每个节点上都存储着数据的一个分区。这样可以实现数据的并行处理和计算。不可变的：RDD 是不可变的数据集合，一旦创建就不能被修改。任何对 RDD 进行的转换操作都会生成一个新的 RDD，原始的 RDD 不受影响。可并行计算的：RDD 支持并行计算，可以在集群中的多个计算节点上同时进行计算。

Spark 是一个基于内存的分布式计算框架，最初由加州大学伯克利分校的 AMPLab 开发，后来捐赠给了 Apache 软件基金会。它提供了一个高效、通用、可扩展且易用的大数据处理平台，支持各种类型的应用，包括批处理、实时流处理、机器学习和图处理等。