spark中的RDD是什么，有哪些特性

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

• Dataset：就是一个集合，用于存放数据的

• Distributed：分布式，可以并行在集群计算

• Resilient：表示弹性的

  • 弹性表示

    • 1、RDD中的数据可以存储在内存或者是磁盘

      ​

*RDD五大特性：

• A list of partitions一个分区列表，RDD中的数据都存在一个分区列表里面

• A function for computing each split作用在每一个分区中的函数

• A list of dependencies on other RDDs一个RDD依赖于其他多个RDD，这个点很重要，RDD的容错机制就是依据这个特性而来的

• Optionally, a Partitioner for key-value RDDs (e.g. to say that the RDD is hash-partitioned)可选的，针对于kv类型的RDD才具有这个特性，作用是决定了数据的来源以及数据处理后的去向

• Optionally, a list of preferred locations to compute each split on (e.g. block locations for an HDFS file)可选项，数据本地性，数据位置最优