1.RDD是一个抽象分布式数据集，是一个数据描述。RDD是Spark提供的核心抽象，全称为Resillient Distributed Dataset，即弹性分布式数据集。RDD在抽象上来说是一种元素集合，包含了数据。它是被分区的，分为多个分区，每个分区分布在集群中的不同节点上，从而让RDD中的数据可以被并行操作。（分布式数据集）
2.并没有真正获取到数据，对元数据信息的存储，提供操作rdd的算子，100多个，常用的有几十多个。
3.有弹性的，从存储方面和数据容错方面体现RDD的弹性。
存储方面：计算时，首选缓存，缓存不够时，可以存储到非缓存（也就是磁盘）。
容错方面：计算过程中，task计算失败，可以恢复。默认是允许四次失败，可恢复。如果是stage失败也可也恢复，分区失败也可也恢复。shuffle之后，某一个分区失败，就得重新计算，因为是多对一的。
分多个分区，是为了提高并行度，提高效率。
4.依赖性，有依赖性才能有容错性，有依赖性才能划分宽依赖和窄依赖，可以形成task。