RDD的五大特性、spark WordCount 流程图
什么是 RDD
RDD 全称 ResilientDistributedDataset （弹性分布式数据集 ）
RDD 仅为一个抽象的编程模型，RDD 默认没有数据
RDD 的五大特性
A list of partitions
由一组分区组成，默认一个 Block 块对应一个 partition
A function for computing each split
算子（函数）是作用在每一个分区上面的
A list of dependencies on other RDDs
RDD之间有一系列的依赖关系，可以根据有无 shuffle 的过程分为：
宽依赖 -- 有shuffle -- 可以从宽依赖处切一刀，分map端和reduce端
窄依赖 -- 没有shuffle
Optionally, a Partitioner for key-value RDDs
分区类的算子只能作用在k-v格式的RDD上
所有Bykey的算子
Optionally, a list of preferred locations to compute each split on
spark 为 task 的计算提供了最佳计算位置，移动计算而不是移动数据
spark 会尽量将task发送到数据所在的节点上执行
所以说 RDD 没有数据
更形象的理解为数据从 RDD 中流过去的，途中并被处理
spark WordCount 流程图
