hdfs中的block是分布式存儲的最小單元，類似於盛放文件的盒子，一個文件可能要占多個盒子，但一個盒子里的內容只可能來自同一份文件。假設block設置為128M，你的文件是250M，那么這份文件占3個block（128+128+2）。這樣的設計雖然會有一部分磁盤空間的浪費，但是整齊的block大小，便於快速找到、讀取對應的內容。（p.s. 考慮到hdfs冗余設計，默認三份拷貝，實際上3*3=9個block的物理空間。）
spark中的partition 是彈性分布式數據集RDD的最小單元，RDD是由分布在各個節點上的partition 組成的。partition 是指的spark在計算過程中，生成的數據在計算空間內最小單元，同一份數據（RDD）的partition 大小不一，數量不定，是根據application里的算子和最初讀入的數據分塊數量決定的，這也是為什么叫“彈性分布式”數據集的原因之一。
總結：block位於存儲空間、partition 位於計算空間，
block的大小是固定的、partition 大小是不固定的，
block是有冗余的、不會輕易丟失，partition（RDD）沒有冗余設計、丟失之后重新計算得到
在storage模塊里面所有的操作都是和block相關的，但是在RDD里面所有的運算都是基於partition的，那么partition是如何與block對應上的呢？
RDD計算的核心函數是iterator()函數：
如果當前RDD的storage level不是NONE的話，表示該RDD在BlockManager中有存儲，那么調用CacheManager中的getOrCompute()函數計算RDD，在這個函數中partition和block發生了關系：
首先根據RDD id和partition index構造出block id (rdd_xx_xx)，接着從BlockManager中取出相應的block。
- 如果該block存在，表示此RDD在之前已經被計算過和存儲在BlockManager中，因此取出即可，無需再重新計算。
- 如果該block不存在則需要調用RDD的computeOrReadCheckpoint()函數計算出新的block，並將其存儲到BlockManager中。
需要注意的是block的計算和存儲是阻塞的，若另一線程也需要用到此block則需等到該線程block的loading結束。
