一、缓存
cache和persist是RDD的两个API，cache底层调用的就是persist，区别在于cache不能指定缓存方式，只能缓存在内存中，但是persist可以指定缓存方式，比如：缓存在内存中、内存和磁盘并序列化等。通过RDD的缓存，后续可以对此RDD或者基于此RDD衍生出的其他RDD处理重用这些缓存的数据集。
二、checkpoint
本质上是将RDD写入磁盘做检查点（通常是checkpint到HDFS上）。在生产环境中，往往在RDD上会执行各种操作，使得DAG图会拉的非常长，为防止中间某个环节出问题而影响正常的计算，会使用checkpoint机制将重要的RDD存到HDFS上，这样，出错以后就不必要回到最初的RDD重新计算，而是可以直接从checkpoint位置重新运算。
三、缓存和检查点的对比
- 都是lazy操作，只有action算子触发以后才会真正的进行缓存或者checkpoint。lazy操作时Spark的一个重要特性，不仅适用于RDD还适用于Spark SQL。
- cache只缓存数据，不改变lineage，但比较容易丢失数据。
- checkpoint改变原有的lineage，生成新的checkpointRDD，通常存于HDFS中，高可用且更可靠。