**RDD緩存機制：** 緩存數據至內存/磁盤，可大幅度提升Spark應用性能。有如下兩個緩存方法： ```scala // 1. cache緩存就是persist(StorageLevel.MEMORY_ONLY) def cache(): this.type = persist() def persist(): this.type = persist(StorageLevel.MEMORY_ONLY) // 2. persist(newLevel: StorageLevel)可以選擇緩存級別 def persist(newLevel: StorageLevel) ``` **示例：** ```scala val u1 = sc.textFile("file:///root/data/users.txt").cache u1.collect // 刪除users.txt，再試試，數據應該還是在的 u1.unpersist() // 清空緩存 ``` <br/> :-: StorageLevel緩存級別 | 級別 |使用空間 |CPU時間 |是否在內存中 |是否在磁盤上 |備注| | --- | --- | --- | --- | --- | --- | | MEMORY_ONLY |高 |低 |是 |否 　| | MEMORY_ONLY_2 |高 |低|是 |否 |數據存2份| | MEMORY_ONLY_SER |低 |高 |是 |否 |數據序列化| | MEMORY_ONLY_SER_2 |低 |高 |是 |否 |數據序列化，數據存2份| | MEMORY_AND_DISK |高 |中等| |部分| 部分| 如果數據在內存中放不下，則溢寫到磁盤| | MEMORY_AND_DISK_2 |高 |中等| 部分 |部分| 數據存2份| | MEMORY_AND_DISK_SER |低 |高 |部分| 部分| 　 | MEMORY_AND_DISK_SER_2 |低 |高 |部分 |部分 |數據存2份| | DISK_ONLY |低 |高 |否 |是 |　 | DISK_ONLY_2 |低 |高 |否 |是 |數據存2份| | NONE 　| 　 　| 　 |　| | | | OFF_HEAP 　| 　 |　 | | | | <br/> **緩存應用場景：** （1）從文件加載數據之后，因為重新獲取文件成本較高。 （2）經過較多的算子變換之后，重新計算成本較高。 （3）單個非常消耗資源的算子之后。 <br/> **緩存使用注意事項：** cache()，或persist() <ins>遇到Action算子計算完成后才生效</ins>。