spark中的RDD是什么,有哪些特性?
1、RDD(Resilient Distributed Dataset)叫做分布式数据集,是Spark中最基本的数据抽象,它代表一个不可变、可分区、里面的元素可并行计算的集合。 
    Dataset:就是一个集合,用于存放数据的
    Distributed:分布式,可以并行在集群计算
    Resilient:表示弹性的 
        弹性表示 
            1、RDD中的数据可以存储在内存或者是磁盘
            2、RDD中的分区是可以改变的
2、五大特性: 
    (1)A list of partitions 
    一个分区列表,RDD中的数据都存在一个分区列表里面
    (2)A function for computing each split 
    作用在每一个分区中的函数
    (3)A list of dependencies on other RDDs 
    一个RDD依赖于其他多个RDD,这个点很重要,RDD的容错机制就是依据这个特性而来的
    (4)Optionally, a Partitioner for key-value RDDs (e.g. to say that the RDD is hash-partitioned) 
    可选的,针对于kv类型的RDD才具有这个特性,作用是决定了数据的来源以及数据处理后的去向
    (5)Optionally, a list of preferred locations to compute each split on (e.g. block locations for an HDFS file) 
    可选项,数据本地性,数据位置最优
Hi:
更多面试题==>点我 (很全哦)
精选文章==>点我(读读业界应用博客,面试能加分哦)
编程也能挣钱==>点我
标签: rdd、分区、resilient、rdds、optionally
欢迎观看一个全栈工程师的视频,全屏体验更好^_^
笔试题


刷题


简历模板


AI算法


大数据


内推


推荐阅读:
阿里巴巴笔试面试大全
腾讯笔试面试大全
百度笔试面试大全
今日头条笔试面试大全
网易笔试面试大全
Google笔试面试大全
更多笔试面试大全