2.Spark运行模式？
1).Local:在eclipse/IDEA中编写代码，在本地运行
2).Standalone:Spark自带的资源调度框架，支持分布式搭建。
3).Yarn:Hadoop生态圈内的资源调度框架。
4).Mesos:资源调度框架。
3.Spark核心RDD
1).RDD(Resilient Distributed Dateset)，弹性分布式数据集。Spark底层操作数据都是基于RDD。
2).RDD五大特性：
a).RDD由一系列Partition组成。
b).函数（算子）是作用在partition上的。
c).RDD之间有依赖关系。
d).分区器是作用在K,V格式的RDD上。
e).partition提供最佳计算位置，利于处理数据的本地化。符合“计算移动，数据不移动”
3).注意：
a).sc.textFile(...)读取HDFS中文件的方法，底层调用的是MR读取HDFS中文件的方法，首先会split，每个split大小默认
与一个block大小相同，每个split与RDD中的一个partition对应。
b).什么是K,V格式的RDD？
RDD中元素是一个个的tuple2 二元组，这个RDD就是K,V格式的RDD。
c).哪里体现了RDD的弹性（容错）？
i).RDD之间有依赖关系
ii).partition个数可多可少。
d).哪里体现了RDD的分布式？
partition是分布在多个节点上的。
RDD：RDD(Resilient Distributed Datasets) ,弹性分布式数据集， 是分布式内存的一个抽象概念，RDD提供了一种高度受限的共享内存模型，即RDD是只读的记录分区的集合，只能通过在其他RDD执行确定的转换操作(如map、join和group by)而创建，然而这些限制使得实现容错的开销很低。对开发者而言，RDD可以看作是Spark的一个对象，它本身运行于内存中，如读文件是一个RDD，对文件计算是一个RDD，结果集也是一个RDD ，不同的分片、 数据之间的依赖 、key-value类型的map数据都可以看做RDD。
RDD是基于内存的，是实时读取的。
MapReduce是基于磁盘的，是离线读取的。
4.Spark代码流程？
1).val conf = new SparkConf().setMaster(...).setAppName(...)
2).val sc = new SparkContext(conf)
3).创建RDD。
4).对RDD使用Transformation类算子进行数据转换。
5).使用Action类算子触发Transformation类算子执行。
如果觉得有用，那就鼓励一下我呗。
