rdd的特性

rdd：Resilient Distributed Dataset  弹性式分布数据集

特点如下：

1. A list of parttitions

  一系列的分片：比如64M一片 类似hadoop中的split

2.A function for computing each split

 每个分片上都有一个函数去迭代/执行/计算它

3.A list of dependencies on other RDDs

一系列的依赖 RDDa 转换成RDDb RDDb转换成RDDc 那么RDDc就依赖RDDb RDDb就依赖RDDa

4. optionally ，a partitioner for key-value Rdds 

 对于key-value的RDD可指定一个partitioner  告诉他如何分片 常用的有hash 和range

5.optionally， a list of  preferred locations to compute each split on

要运行的计算、执行最好在哪个机器上运行，数据的本地性

比如 hadoop默认备份三个位置，spark cache到内存是可能通过storageLevel 设置了多个副本 所以一个partition可能返回多个最佳位置