RDD

RDD（Resilient Distributed Datasets）是Apache Spark中的核心抽象，是分布式数据集的集合。Spark中所有的计算都基于RDD。
RDD具有以下特点：
分布式：RDD是分布式数据集，可以在集群中多台机器上分布式存储和计算。
不可变性：RDD是不可变的，一旦创建，就不能改变其数据。只能通过一些操作（如map，filter，reduce等）生成新的RDD。
分区性：RDD可以划分为多个分区，每个分区可以在不同的节点上被处理。
容错性：如果一个节点失效，RDD的操作可以重新计算该节点，保证数据的一致性。
丰富的操作：Spark对RDD提供了丰富的操作，包括转换（如map，filter等）和动作（如reduce，collect等）。
记忆化：Spark会缓存RDD的计算结果，以便重用。
在Spark程序中，所有的操作都最终转换为RDD的操作。使用Spark编程就是使用RDD编程。