弹性分布式数据集 (Resilient Distributed Dataset, RDD) 基础

　　Spark 对数据的所有操作不外乎创建 RDD，转化已有 RDD 以及调用 RDD 操作进行求值。

　　RDD 以分区（partition）的形式分布在集群中的多个机器上，每个分区代表了数据集的一个子集。分区定义了 Spark 中数据的并行单位。Spark 框架并行处理多个分区，一个分区内的数据对象则是顺序处理。

References

  1. awesome-scala Github
  2. spark分布式集群环境搭建（hadoop之上）
  3. Spark Github
  4. Spark 快速大数据分析代码
  5. Python 版本
  6. Scala 版本