spark基础-rdd特性

RDD特性：

1.RDD是spark提供的核心抽象，全称：Resillient Distributed Dataset,即弹性分布式数据集。

2.RDD在抽象上来说是一种元素集合，包含了数据。它是被分区的，氛围多个分区，每个分区分布在集群中的不同节点上，从而让RDD中的数据可以并行操作（分布式数据集）

3.RDD通常通过Hadoop上的文件来创建。有时也可以通过应用程序中的集合赖床见。

4.RDD最重要的特性就是提供了容错性，可以从节点失败中恢复过来。即：如果某个节点的RDD partition因为节点故障导致数据丢失，那么RDD会自动通过自己的数据来源重新计算该partitin。

5.RDD的每个partition在spark节点上，默认都是放在内存中，但是如果内存中放不下这么多数据，多出来的数据，就会把partition中的部分数据写在磁盘上，进而保存。对于用户来说，并不知道RDD内存数据存储在哪里。RDD的这种自动进行内存和词牌之间的切换机制，就是RDD的弹性特点所在。

一个RDD在逻辑上抽象地代表了一个HDFS文件。但是实际上是呗分区的，氛围多个分区，多个分区散落在spark集群中，不同的节点上。

Spark核心编程是什么：

首先，定义初始的RDD，就是说，要定义订一个数据从哪里来。

第二：定义对RDD的计算操作，这个在spark里称为算子

第三：就是循环往复的过程第一次计算完成后，数据就会到了新的一批节点上，变成了新的RDD，然后再次反复，针对新的RDD定义算子操作。

第四：获得最终的数据，将数据保存起来。