1.RDD是什么？
RDD源码中的五个特性：弹性的，分布式的，不可变的，支持并行化操作，可以分区的数据集
五个主要属性：
- 1个rdd可以有多个partition
- 如果对1个rdd作用于一个function，其实是对里面的每个split做function，1个split就是一个partition
- rdd间是有一系列依赖的，例如：
- （可选）对于（groupbykey）有一个Hashpartition对应于key-value类型的rdd，sortbykey对应一个range-partitioned
- （可选）每个split都有一个优先推荐的locations list （注意这里是复数，why？）
2.RDD的创建方式：
- 从已存在的集合创建，sc.parallize(集合对象，分区数)
- 基于文件创建（本地，hdfs，s3上的文件），如果是本地文件，分布式环境执行的时候，要保证每个机器上都有这个文件
3.spark读写文件api：
sc.textFile sc.sequenceFile sc.wholeTextFiles sc.newAPIHadoop sc.newAPIHadoopRDD sc.hadoopRDD rdd.saveAsObjectFile
4.RDD的基本操作
转换，action等