PySpark入门二：认识RDD

一、RDD介绍

弹性分布式数据集，简称为RDD，是不可变JVM对象的分布式集合，Spark 就是围绕RDD而构建的。RDD对对象的作业是非常快速的执行的，这依赖于RDD的计算是依据缓存和存储在内存中的模式进行。
RDD有两组并行操作：转换和动作。转换是指返回指向新RDD的指针；动作是指在运行计算后返回值。
同时，RDD也有它惰性的一面，他们并不立即计算其结果，只有动作执行了，并且需要返回值时，才会进行计算转换。

二、Schema

与pandas的dataframe有所区别的是，spark的RDD是一种无schema的数据结构。
因此我们可以混用任何类型的数据结构，比如数组、字典、集合

data = sc.parallelize([
	('fst', None),
	{
   <