【摘要】：根据前面的阐述可知，RDD其实就是Spark运行的基本对象。关于RDD的定义和运行机制，在第1章和第2章分别给予了详细阐述。这里重新总结下RDD的一些重要特征和创建方式，以方便后面对整个Spark调度器的运行机制的理解。RDD是一种数据模型，与分布式的共享内存类似。与数据多副本的备份方式不同，RDD的恢复可以通过重复执行变换操作得到。·从其他RDD上通过变换操作创建。当初决定用Scala就是因为用它写的代码简单明了。
根据前面的阐述可知，RDD其实就是Spark运行的基本对象。关于RDD的定义和运行机制，在第1章和第2章分别给予了详细阐述。这里重新总结下RDD的一些重要特征和创建方式，以方便后面对整个Spark调度器（Scheduler）的运行机制的理解。
RDD是一种数据模型，与分布式的共享内存类似。RDD有以下几个特征。
·是只读的内存数据，但可以持久化。
·是可以分区的数据集合。
·是一个对象，可以调用它的方法执行一些变换操作（Transformation），如flagMap、filter等。
·是可恢复的。与数据多副本的备份方式不同，RDD的恢复可以通过重复执行变换操作（Transformation）得到。(www.xing528.com)
·变换操作（Transformation）是延迟操作，只有在真正需要时才执行。有下列两种方式可以创建RDD。
·从持久化的数据上创建，如硬盘和HDFS上的文件。
·从其他RDD上通过变换（Transformation）操作创建。
说明：RDD本身是与编程语言无关的，既可以用Scala语言实现，也可以用Java、Python等其他编程语言实现。当初决定用Scala就是因为用它写的代码简单明了。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
