RDD的持久化
可以使用persist(StorageLevel)或者cache()方法，数据会在第一次计算后缓存在各节点的内存里
Spark的缓存具有容错机制，如果RDD中的任何一个缓存分区丢失，Spark会按照原来的计算过程自动地重新计算并缓存。
在shuffle操作中(例如reduceByKey)，即便用户没有调用persist方法，Spark也会自动缓存部分中间数据。
这样做的目的是，在shuffle过程中如果某个节点计算异常，则不需要重新计算全部的输入数据。
如果用户想多次使用某个RDD，仍然建议调用persist方法去持久化RDD
Java/Scala RDD的持久化
每个持久化的RDD可以使用不同的存储方式进行缓存，例如，持久化到磁盘、序列化的Java对象到内存(节省空间)、跨节点复制。
这些存储方式可以通过persist(StorageLevel)方法设置。cache()方法是使用默认存储方式StorageLevel.MEMORY_ONLY的快捷方法(将反序列化的对象存储到内存中)。
可用的存储方式：
MEMORY_ONLY 将RDD以反序列化Java对象的形式保存在JVM。如果内存空间不够，不能缓存在内存里面的某些分区数据会在需要使用时重新进行计算。这是默认的方式
MEMORY_AND_DISK 将RDD以反序列化Java对象的形式保存在JVM。如果内存空间不够，把不能缓存的分区数据保存到磁盘，在需要使用时从磁盘读取
MEMORY_ONLY_SER 将RDD以序列化的Java对象的形式保存在JVM中(每个分区为一个byte数组)。这种方式会比反序列化对象节省空间，
特别是在使用快速序列化器(fast serializer)时会节省更多的空间，但是在读取时会增加CPU的使用率
MEMORY_AND_DISK_SER 与MEMORY_ONLY_SER类似，但会把不能缓存的分区数据保存到磁盘，而不是在需要使用时重新进行计算
DISK_ONLY 将RDD以反序列化Java对象的形式保存在磁盘
MEMORY_ONLY_2,MEMORY_AND_DISK_2,MEMORY_ONLY_SER_2,MEMORY_AND_DISK_SER_2,DISK_ONLY_2 与上述方式一样，
但同时会对每一个分区数据在集群的两个节点上创建副本
OFF_HEAP (试验性功能) 与MEMORY_ONLY_SER类似，但会把分区数据保存到堆外内存(off-heap memory)。该方式需要启用堆外内存
Python RDD的持久化
在Python中，不管你是否选择了序列化的方式，缓存的对象总是使用Pickle库进行序列化。
可用的存储方式:
MEMORY_ONLY
MEMORY_AND_DISK
DISK_ONLY
MEMORY_ONLY_2, MEMORY_AND_DISK_2, DISK_ONLY_2 与上述方式一样，但同时会对每一个分区数据在集群的两个节点上创建副本
RDD的删除
Spark会自动监控各个节点的缓存使用率，并根据最少使用的算法(LRU)将旧数据删除。
如果想手动移除一个RDD而不是等待该RDD被Spark自动移除，可以使用RDD.unpersist()方法