RDD 五大特性

1）A list of partitions

一組分區：RDD由很多partition構成，有多少partition就對應有多少task

2）A function for computing each split

一個函數：對RDD做計算，相當於對RDD的每個split或partition做計算

3）A list of dependencies on other RDDs

RDD之間有依賴關系，可溯源

4）Optionally, a Partitioner for key-value RDDs (e.g. to say that the RDD is hash-partitioned)

一個Partitioner：即RDD的分片函數，如果RDD里面存的數據是key-value形式，則可以傳遞一個自定義的Partitioner進行重新分區

5）Optionally, a list of preferred locations to compute each split on (e.g. block locations for an HDFS file)

一個列表：存儲存取每個Partition的優先位置（preferred location），計算每個split時，在split所在機器的本地上運行task是最好的，避免了數據的移動，split有多個副本，所以preferred location不止一個