RDD 称为弹性分布式数据集（Resilient Distributed Datasets），它是一种分布式的基于内存的抽象，允许在大型集群上执行基于内存计算（In-Memory Computing）的数据集，它为用户屏蔽了底层复杂的计算和映射环境。 <br/> **1. 简单的解释** RDD 是将数据项拆分为多个分区的集合，存储在集群的工作节点上的内存和磁盘中，并执行正确的操作。 <br/> **2. 复杂的解释** （1）RDD 是用于数据转换的接口，它提供了 map、filter、groupBy、join 等处理方法。 （2）RDD 指向了存储在 HDFS、Cassandra、HBase 等、或缓存（内存、内存+磁盘、仅磁盘等）、或在发生故障时、或缓存收回时，重新计算其他 RDD 分区中的数据。从这个意义上讲，RDD 不包含任何待处理数据。 <br/> **3. RDD是弹性分布式数据集（Resilient Distributed Datasets）** * 分布式体现在： * RDD是只读的、分区记录的集合，每个分区分布在集群的不同节点上； * RDD并不存储真正的数据，只是对数据和操作的描述； * 弹性体现在： * RDD默认存放在内存中，当内存不足，Spark自动将RDD写入磁盘； * 容错性：根据数据血统，可以自动从节点失败中恢复分区；