1.分區列表（a list of partitions）。Spark RDD是被分區的，每一個分區都會被一個計算任務（Task）處理，分區數決定並行計算數量，RDD的並行度默認從父RDD傳給子RDD。默認情況下，一個HDFS上的數據分片就是一個Partition，RDD分片數決定了並行計算的力度，可以在創建RDD時指定RDD分片個數，如果不指定分區數量，當RDD從集合創建時，則默認分區數量為該程序所分配到的資源的CPU核數（每個Core可以承載2～4個Partition），如果是從HDFS文件創建，默認為文件的Block數。
2.每一個分區都有一個計算函數（a function for computing each split）。每個分區都會有計算函數，Spark的RDD的計算函數是以分片為基本單位的，每個RDD都會實現compute函數，對具體的分片進行計算，RDD中的分片是並行的，所以是分布式並行計算。有一點非常重要，就是由於RDD有前后依賴關系，遇到寬依賴關系，例如，遇到reduceBykey等寬依賴操作的算子，Spark將根據寬依賴划分Stage，Stage內部通過Pipeline操作，通過Block Manager獲取相關的數據，因為具體的split要從外界讀數據，也要把具體的計算結果寫入外界，所以用了一個管理器，具體的split都會映射成BlockManager的Block，而具體split會被函數處理，函數處理的具體形式是以任務的形式進行的。
3.依賴於其他RDD的列表（a list of dependencies on other RDDs）。RDD的依賴關系，由於RDD每次轉換都會生成新的RDD，所以RDD會形成類似流水線的前后依賴關系，當然，寬依賴就不類似於流水線了，寬依賴后面的RDD具體的數據分片會依賴前面所有的RDD的所有的數據分片，這時數據分片就不進行內存中的Pipeline，這時一般是跨機器的。因為有前后的依賴關系，所以當有分區數據丟失的時候，Spark會通過依賴關系重新計算，算出丟失的數據，而不是對RDD所有的分區進行重新計算。RDD之間的依賴有兩種：窄依賴（Narrow Dependency）、寬依賴（Wide Dependency）。RDD是Spark的核心數據結構，通過RDD的依賴關系形成調度關系。通過對RDD的操作形成整個Spark程序。
RDD有Narrow Dependency和Wide Dependency兩種不同類型的依賴，其中的Narrow Dependency指的是每一個parent RDD的Partition最多被child RDD的一個Partition所使用，而Wide Dependency指的是多個child RDD的Partition會依賴於同一個parent RDD的Partition。可以從兩個方面來理解RDD之間的依賴關系：一方面是該RDD的parent RDD是什么；另一方面是依賴於parent RDD的哪些Partitions；根據依賴於parent RDD的Partitions的不同情況，Spark將Dependency分為寬依賴和窄依賴兩種。Spark中寬依賴指的是生成的RDD的每一個partition都依賴於父RDD的所有partition，寬依賴典型的操作有groupByKey、sortByKey等，寬依賴意味着shuffle操作，這是Spark划分Stage邊界的依據，Spark中寬依賴支持兩種Shuffle Manager，即HashShuffleManager和SortShuffleManager，前者是基於Hash的Shuffle機制，后者是基於排序的Shuffle機制。Spark 2.2現在的版本中已經沒有Hash Shuffle的方式。
4.key-value數據類型的RDD分區器（-Optionally,a Partitioner for key-value RDDS），控制分區策略和分區數。每個key-value形式的RDD都有Partitioner屬性，它決定了RDD如何分區。當然，Partition的個數還決定每個Stage的Task個數。RDD的分片函數，想控制RDD的分片函數的時候可以分區（Partitioner）傳入相關的參數，如HashPartitioner、RangePartitioner，它本身針對key-value的形式，如果不是key-value的形式，它就不會有具體的Partitioner。Partitioner本身決定了下一步會產生多少並行的分片，同時，它本身也決定了當前並行（parallelize）Shuffle輸出的並行數據，從而使Spark具有能夠控制數據在不同節點上分區的特性，用戶可以自定義分區策略，如Hash分區等。Spark提供了“partitionBy”運算符，能通過集群對RDD進行數據再分配來創建一個新的RDD。
5.每個分區都有一個優先位置列表（-Optionally,a list of preferred locations to compute each split on）。它會存儲每個Partition的優先位置，對於一個HDFS文件來說，就是每個Partition塊的位置。觀察運行spark集群的控制台會發現Spark的具體計算，具體分片前，它已經清楚地知道任務發生在什么節點上，也就是說，任務本身是計算層面的、代碼層面的，代碼發生運算之前已經知道它要運算的數據在什么地方，有具體節點的信息。這就符合大數據中數據不動代碼動的特點。數據不動代碼動的最高境界是數據就在當前節點的內存中。這時有可能是memory級別或Alluxio級別的，Spark本身在進行任務調度時候，會盡可能將任務分配到處理數據的數據塊所在的具體位置。據Spark的RDD.Scala源碼函數getPreferredLocations可知，每次計算都符合完美的數據本地性。