RDD 稱為彈性分布式數據集（Resilient Distributed Datasets），它是一種分布式的基于內存的抽象，允許在大型集群上執行基于內存計算（In-Memory Computing）的數據集，它為用戶屏蔽了底層復雜的計算和映射環境。 <br/> **1. 簡單的解釋** RDD 是將數據項拆分為多個分區的集合，存儲在集群的工作節點上的內存和磁盤中，并執行正確的操作。 <br/> **2. 復雜的解釋** （1）RDD 是用于數據轉換的接口，它提供了 map、filter、groupBy、join 等處理方法。 （2）RDD 指向了存儲在 HDFS、Cassandra、HBase 等、或緩存（內存、內存+磁盤、僅磁盤等）、或在發生故障時、或緩存收回時，重新計算其他 RDD 分區中的數據。從這個意義上講，RDD 不包含任何待處理數據。 <br/> **3. RDD是彈性分布式數據集（Resilient Distributed Datasets）** * 分布式體現在： * RDD是只讀的、分區記錄的集合，每個分區分布在集群的不同節點上； * RDD并不存儲真正的數據，只是對數據和操作的描述； * 彈性體現在： * RDD默認存放在內存中，當內存不足，Spark自動將RDD寫入磁盤； * 容錯性：根據數據血統，可以自動從節點失敗中恢復分區；