RDD是分布式弹性数据集。
RDD有五大特性：
- 一组分区，每个RDD都会被分为多个分区，这些分区运行在集群的不同节点上，分区数决定并行计算的数量。
- 一个计算每个分区的函数，就是计算逻辑。
- RDD之间的依赖关系，就是血缘关系。
- 一个分区器，即RDD的分片函数，控制分区的数据流向，只有key-value类型的算子才有分区器。
- 一个列表，存储存取每个分区的优先位置，移动数据不如移动计算，除非资源不够。
RDD的弹性主要体现在计算弹性，存储弹性，任务弹性，数据位置弹性
- 计算弹性和任务弹性：当Task和State失败了，可以基于spark的血缘关系进行重试，而且只需要计算失败的部分。
- 存储弹性：自动进行内存和磁盘切换，当内存不够了，自动存储到磁盘。
- 数据位置弹性：数据既可以存储在内存中，也可以存储在磁盘中，比如Checkpoint，保存在HDFS中，可以对数据进行复用。
数据位置弹性
