Spark学习总结---RDD

RDD概念：Resilient Distributed Dataset 弹性（优先放在内存，内存不够，磁盘）的分布式（RDD分布在多个节点上）数据集，Spark核心的数据抽象，本质是一个只读的分区记录集合 特点 一组分片（Partition），即数据集的基本组成单位。对于RDD来说，每个分片都会被一个计算任务处理，并决定并行计算的粒度。用户可以在创建RDD时指定RDD的分片个数，如果没有指定，那么

>>阅读原文<<