Spark Hello World以及RDD简述

1. RDD是什么
   RDD英文单词全称为Resilient Distributed Datase，叫做弹性分布式数据集，是Spark中最基本的数据抽象。代码中是一个抽象类，它代表一个不可变、可分区、里面的元素可并行计算的集合。不可变、可分区和可并行计算下面再详细叙述。
2. RDD特点
   (1)分区
   spark可以把读进来的数据装进RDD里面，因为spark支持集群方式部署的，spark的Driver会把RDD分割成小的任务给集群的Executor去执行。
   (2)只读
   RDD是只读的，不能修改的。要想改变RDD中的数据，只能在现有的RDD基础上创建新的RDD，这个和Java中的String类似。由原来的RDD转换为另一个RDD可以通过丰富的算子进行操作。如map，filter，flatMate，reduceByKey等等…RDD的操作算子分为两类，一类叫做transformations（转换算子），它是用来将RDD进行转化，构建RDD的血缘关系（血缘关系下面会详细阐述）；另一类叫做actions（行动ing算子），它是用来触发RDD的计算，得到RDD的相关计算结果或者将RDD保存的文件系统中。
   (3)依赖
   spark程序处理数据的流程就是通过对RDD的一系列操作最后达到处理数据的目的。上面提到因为RDD不能修改，只能通过生成新的RDD来对RDD进行操作，那么新的RDD就依赖旧的RDD。为了更方便理解，以下以spark的hello world为例进行说明：

import org.apache.spark.rdd.RDD
import org.apache.spark.{
   SparkConf, SparkContext}

object WorldCount {
   
    def