cache优化针对的是rdd_a不仅要计算得到rdd_b还要计算得到rdd_c,如果不cache再计算rdd_c时就要重新计算rdd_a,因为在计算完rdd_b时系统就以为rdd_a没用了就释放了。
rdd_a = sc.textFile(file_path)
rdd_b = rdd_a.map(fun1).reduceByKey(fun2)
rdd_c = rdd_a.map(fun3).reduceByKey(fun4)
这样程序就会读两次hdfs文件,如果rdd_a很复杂浪费的时间就很多了。