用通俗的语言解释下：Spark 中的 RDD 是什么

RDD，学名可伸缩的分布式数据集（Resilient Distributed Dataset）。初次听闻，感觉很高深莫测。待理解其本质，却发现异常简洁优雅。本文试图对其进行一个快速侧写，试图将这种大数据处理中化繁为简的美感呈现给你。

RDD 是什么

1. RDD 本质上是对数据集的某种抽象。

RDD 将数据集合进行三层组织：Dataset（数据集）- Partition（分片）- Record（单条记录）。三是一个很合适的层数，每层都有其着力点，多了显冗余，少了力不够。

举个生活中例子，高中某个班级（Dataset），我们把他们按列分成四个小组（Partition），每个小组有大概十来个同学（Record）。任何一群人来了，我们都可以以这种形式将其进行组织。同样，任何一个数据集，我们也可以按类似的三个层级进行划分。

2. RDD 是基于内存的分布式的数据集。

单机资源总是有限的，RDD 生来就是为多机而设计的。将数据集划分为多个分片（Partition），就是为了能让一个数据集分散到不同机器上，从而利用多个机器的存储和计算资源，对数据进行并行处理。此外，分片还可以隔离故障阈，当某个机器故障后，只需要恢复该机器上对应分片即可，其他机器的分片不受影响。

相比 HDFS 或