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， 里面的元素可以并行计算的集合

Dataset:就是一个集合，用于存放数据的
Destributed: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磁盘中
2.RDD中的分区是可以改变的

五大特性:
1.A list of partitions：一个分区列表，RDD中的数据都存储在一个分区列表中
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(eg:to say that the RDD is hash-partitioned):可选的，针对于kv类型的RDD才有这个特性，作用是决定了数据的来源以及数据处理后的去向
5.可选项，数据本地性，数据位置最优