RDD（Resilient Distributed Dataset）叫做弹性分布式数据集，是 Spark 中最基本的数据处理模型。代码中是一个抽象类，它代表一个弹性的、不可变、可分区、里面的元素可并行计算的集合。
1）弹性
（1）存储的弹性：内存与磁盘的自动切换；
（2）容错的弹性：数据丢失可以自动恢复；
（3）计算的弹性：计算出错重试机制；
（4）分片的弹性：可根据需要重新分片。
2）分布式：数据存储在大数据集群不同节点上
3）数据集：RDD 封装了计算逻辑，并不保存数据
4）数据抽象：RDD 是一个抽象类，需要子类具体实现
5）不可变：RDD 封装了计算逻辑，是不可以改变的，想要改变，只能产生新的 RDD，在新的 RDD 里面封装计算逻辑
6）可分区、并行计算
原文：https://www.cnblogs.com/zhangxiaofan/p/14395170.html