checkpoint：切断RDD与父RDD的血缘关系，将当前RDD存储于HDFS等外部系统。优点：1）避免占用过多的存储资源存储长的RDD依赖关系；2）节点失败后，避免宽依赖情况下，重复计算
checkpoint原理：
1）对rdd设置检查点，rdd.checkpoint()
2）将此rdd标记为marked for checkpoint
3）job运行完成后，会调用finalRDD.docheckpoint()方法，顺着rdd血缘关系，回溯扫描。发现有"marked for checkpoint"的rdd，进行二次标记（inProgressCheckpoint），标识正在设置检查点。
4）job运行完成后，内部启动一个新的job，将标记为"inProgressCheckpoint"的rdd数据，写入HDFS或者其他系统。
5）将此rdd的父rdd设置成CheckpointRDD，血缘关系就存储下来了。如果出现节点故障，可以通过readCheckpointOrCompute方法优先从CheckpointRDD中读取HDFS中被checkpoint的数据。
6）由于此rdd会被计算两次，因此在设置checkpoint前，先将此rdd做缓存，即rdd=rdd.cache()
同一个application中便于共享数据，可以使用cache，persist。
缓存使用原则：1）被多次重复使用的RDD；2）RDD数据量不能太大，否则占用的内存或者资源过多
cache：调用persis(MEMORY_ONLY)，将RDD数据只存入内存，若内存不能存放的下，重新计算。
persist：可以选择存入内存，硬盘以及是否序列化，副本数量。但是这是临时的缓存。当application结束，driver进程，executor进程也会结束，BlockManager也会停止，其所管理的数据也会被删除。
