RDD

rdd：resiliient distributed datasets 弹性分布式数据集，不可变的、分区的

resiliient ：顾名思义弹性，可以存在给定不用数目的分区、数据缓存的时候可以缓存一部分数据，也可以缓存全部数据

distributed：分区可以分布到不同的executor执行（executor也就是不用的work/nodemanager上）

datasets : 内部存储的数据

RDD五大特性：

     1：是多个分区的集合

     2：每一个分区上都应用一个函数进行计算

     3：一系列的依赖关系

     4：针key-value的RDD，我们可以指定分区函数（指定每个分区内存储哪个RDD，类似于map后，指定分区，reduce）

     5：数据本地化：处理RDD的每个分片，split数据在哪里，尽量在该机器上计算。（移动计算，而不是移动数据）

RDD构建原理：

1、rdd分区数量：InputFormate.getSplite方法返回的集合中的split数量，也就是block块的数量

2、rdd中不包含数据，只有数据的位置信息，执行需要的时候拉去过来使用