标签：算子 集群 数据 其它 模型 列表 dataset 共享 共享内存模型
spark建立在抽象的RDD上，把不同处理的数据的需求转化为RDD，然后对RDD进行一系列的算子运算，从而得到结果。1：RDD的定义及五大特性剖析
RDD是分布式内存的一个抽象概念，是一种高度受限的共享内存模型，即RDD时只读的记录分区的集合，能跨集群所有节点并行计算，是一种基于工作集的抽象模型。
（1）分区列表
（2）每一个分区都有一个计算函数
（3）依赖于其它RDD的列表
（4）key-value数据类型的RDD分区器
（5）每一个分区都有一个优先位置列表
2：DataSet的定义及内部机制剖析
标签：算子 集群 数据 其它 模型 列表 dataset 共享 共享内存模型
原文地址：https://blog.51cto.com/wangyichao/2436090
