那麼我們應該如何選取持久化的存儲級別呢?
實際上存儲級別的選取就是Memory與CPU之間的雙重權衡，可以參考下述內容：
(1)如果RDD的數據量對於集羣內存容量壓力較小，可以很好地兼容默認存儲級別(MEMORY ONLY),那麼優先使用它，這是CPU工作最爲高效的種方式， 可以很好地提高運行速度。
(2)如果(1)不能滿足，即集羣的內存資源相較於cpu資源十分匱乏，則嘗試使用MEMORY_ ONLY_ SER，且選擇一種快速 的序列化工具，也可以達到一種不錯的效果。
(3)一般情況下不要把數據持久化到磁盤， 除非計算是非常“昂貴”的或者計算過程會過濾掉大量數據，因爲重新計算一個 分區數據的速度可能要高於從磁盤讀取一個分區數據的速度。
(4)如果需要快速的失敗恢復機制，則使用備份的存儲級別，如MEMORY_ONLY_2.MEMORY_AND_DISK_2；雖然所有的存儲級別都可以通過重新計算丟失的數據實現容錯，但是備份機制使得大部分情況下應用無須中斷，即數據丟失情況下，直接使用備份數據，而不需要重新計算數據的過程；
(5)如果處於大內存或多應用的場景下，OFF_ HEAP可以帶來以下的好處：
它允許Spark Executors可以共享Tachyon的內存數據；
它在很大程度上減少JVM垃圾回收帶來的性能開銷；
Spark Executors故障不會導致數據丟失。
如果要緩存的數據太多，內存中放不下，Spark 會自動利用最近最少使用(LRU)的緩存策略把最老的分區從內存中移除。對於僅把數據存放在內存中的緩存級別，下一次要用到已經被移除的分區時，這些分區就需要重新計算。但是對於使用內存與磁盤的緩存級別的分區來說，被移除的分區都會寫入磁盤。不論哪種情況，都不必擔心你的作業因 爲緩存了太多數據而被打斷。不過，緩存不必要的數據會導致有用的數據被移出內存，帶來更多重算的時間開銷。最後，RDD還有一個方法叫作unpersist()， 調用該方法可以手動把持久化的RDD從緩存中移除。