Spark基础：创建RDD

一、RDD讲述

（一）RDD概念

• Spark提供了一种对数据的核心抽象，称为弹性分布式数据集（Resilient Distributed
  Dataset，RDD）。这个数据集的全部或部分可以缓存在内存中，并且可以在多次计算时重用。RDD其实就是一个分布在多个节点上的数据集合。
• RDD的弹性主要是指当内存不够时，数据可以持久化到磁盘，并且RDD具有高效的容错能力。
  分布式数据集是指一个数据集存储在不同的节点上，每个节点存储数据集的一部分。

（二）RDD主要特征

• RDD是不可变的，但可以将RDD转换成新的RDD进行操作。
• RDD是可分区的。RDD由很多分区组成，每个分区对应一个Task任务来执行。
• 对RDD进行操作，相当于对RDD的每个分区进行操作
• RDD拥有一系列对分区进行计算的函数，称为算子。
• RDD之间存在依赖关系，可以实现管道化，避免了中间数据的存储。

二、RDD例题

（一）创建文件

1、准备本地系统文件

• 在home目录里创建hh.txt

• 写入内容，单词用空格隔开