Spark的cache与checkpoint优化

1.SPARK中一些通用的或者重要的RDD最好是做一个cache缓存，缓存到内存或者硬盘中，这样下次用到这个RDD数据的时候就不用从头开始计算了，直接从缓存读取即可！

2由于某种原因也可能我们用cache或者Persist缓存的RDD数据，也可能会出现缓存这些数据的一部分机子突然挂掉等，如果此时还想更保险的保存该RDD的结果，最好就checkpoint一下，将checkpointDir设置为HDFS上的路径即可！注意：设置checkpoint之前最好对该RDD进行cache操作，将其缓存到内存中，要不然，在checkpoint的时候会重新从头计算一边RDD的值!checkpoint的第一步是设置checkpointdir此时就会在对应的文件系统(如：HDFS上)创建对应的目录，然后再进行对应RDD的rdd.checkpoint,此时就会将RDD的这个状态标记为checkpointing,然后当spark程序执行到第一个Action操纵的时候，就首先提交spark应用并计算，然后再单独开启一个job来完成checkpointing状态的RDD的持久化!