Spark RDD的特性

• 一组分区
          分区可以看成是数据集的基本组成单位。对于RDD来说，每个分区都会被一个计算任务处理，决定了并行计算的粒度。
• 计算每个分区的函数
          Spark RDD的计算都是以分片为单位的，每个RDD都会实现compute函数以达到此目的。
• 与其他RDD之间的依赖关系（血统|血缘）
          RDD每次转换都会产生一个新的RDD，RDD之间会形成依赖关系，此关系被称为血缘或者血统。当计算过程中，如果某个分区的数据丢失，RDD会根据依赖关系重新计算丢失数据分区的数据，而不是重新计算所有分区的数据。
• 存储键值对的RDD，有一个可选的分区器
          对于存储k-v键值对的RDD，会有一个Partitioner，Partitioner不但决定了RDD的分区的数量，也决定了shuffle时输出的分区数量。
• 存储每个切片优先位置的列表
          Spark的理念是“移动数据不如移动计算”，Spark在任务调度的时候，会尽可能将计算任务分配到要处理的数据所在的节点。