1：RDD的定义及五大特性剖析RDD是分布式内存的一个抽象概念，是一种高度受限的共享内存模型，即RDD时只读的记录分区的集合，能跨集群所有节点并行计算，是一种基于工作集的抽象模型。（1）分区列表（2）每一个分区都有一个计算函数（3）依赖于其它RDD的列表（4）key-value数据类型的RDD分区器（5）每一个分区都有一个优先位置列表2：DataSet的定义及内部机制剖析
spark的灵魂：RDD和DataSet
原文：https://blog.51cto.com/wangyichao/2436090
