1、HDFS只能读取，或者通过其他途径创建
2、transfrmation是lazy的。
3、传统的容错方式，数据检查点或者记录数据的更新
容错是分布式最困难的部分。
数据检查点：通过数据中心的网络，连接所在的机器之间，复制庞大的数据集。消耗网络和磁盘。
记录数据的更新：更新的很多，则记录成本很高。
4、RDD容错方式
所有的RDD知道自己的是从哪来的，并记录自己的数据是如何生成的，通过重新计算来生成原来丢失的数据。
原文：http://www.cnblogs.com/isenhome/p/5083555.html