spark建立在抽象的RDD上，把不同處理的數據的需求轉化爲RDD，然後對RDD進行一系列的算子運算，從而得到結果。
RDD是一個容錯的，並行的數據結構，可以將數據存儲到磁盤和內存中，並能控制數據分區，並提供了豐富的API來操作數據。
1：RDD的定義及五大特性剖析
RDD是分佈式內存的一個抽象概念，是一種高度受限的共享內存模型，即RDD時只讀的記錄分區的集合，能跨集羣所有節點並行計算，是一種基於工作集的抽象模型。
（1）分區列表
（2）每一個分區都有一個計算函數
（3）依賴於其它RDD的列表
（4）key-value數據類型的RDD分區器
（5）每一個分區都有一個優先位置列表
2：DataSet的定義及內部機制剖析