Spark RDD概念学习系列之RDD的缺点（二）

RDD的缺点？

RDD是Spark最基本也是最根本的数据抽象，它具有像MapReduce等数据流模型的容错性，而且容许开发人员在大型集群上执行基于内存的计算。

为了有效地实现容错。

RDD提供了一种高度受限的共享内存，即RDD是只读的，而且，只能经过其余RDD上的批量操做来建立。

　　RDD只支持粗粒度转换，限制了编程模型。

　　但RDD仍然能够很好地适用于不少应用，特别是支持数据并行的批量分析应用，包括数据挖掘、机器学习、图算法等，由于这些程序一般都会在不少记录上执行相同的操做。

　　RDD不太适合那些异步更新共享状态的应用，例如并行Web网络爬虫。

所以，Spark的目标是为大多数分析型应用提供有效的编程模型，而其余类型的应用则交给专们的系统。