《企业级大数据平台构建：架构与实现》——2.5.2　数据模型

2.5.2　数据模型

RDD是弹性分布式数据集（Resilient Distributed Datasets）的缩写，它是Map-Reduce模型的扩展和延伸。Spark之所以能够同时支撑大数据的多个领域，在很大程度上是依靠了RDD的能力。虽然批处理、流计算、图计算和机器学习这些计算场景之间初看起来风马牛不相及，但是它们都存在一个共同的需求，那就是在并行计算阶段能够高效的共享数据。RDD的设计者们洞穿了这一现象，于是通过高效的数据共享概念和类似MapReduce的操作设计了RDD，使得它能模拟迭代式算法、关系查询、MapReduce和流式处理等多种编程模型。同时它也是一个可容错的、可并行的数据结构，可以让用户指定将数据存储到磁盘和内存中，并能控制数据的分区。同时它还提供了一些高效的编程接口操作数据集。