spark的RDD计算是lazy机制的，因此默认情况下，多次对同一个RDD执行算子，去获取不同的RDD，都会对这个RDD以及之前的父RDD，全部重新计算一次。因此：
1、RDD的架构需要优化和重构
尽量去复用RDD，差不多的RDD，可以重构为一个共同的RDD，以供后面RDD计算时，反复使用。
2、公共RDD一定要实现持久化
持久化，就是将RDD的数据缓存到内存/磁盘中，（BlockManager），以后对这个RDD计算时，直接从内存或磁盘中直接抽取持久化的数据。
3、持久化，是可以序列化的
当持久化过程中，内存占用过大，就会导致OOM内存溢出。这个时候就可以考虑使用序列化的方式在内存中存储。即将RDD的每个partition数据，序列化为一个大的字节数组，就一个对象，大大减少内存的空间占用。持久化的方式还有内存加磁盘，内存加磁盘再做序列化。
4、如果内存充足，为了数据的高可靠性，可以使用双副本机制
如果机器宕机了，副本丢了，就还得重新计算一次，若在其他节点还有副本，那么久不需要重新计算只需利用另一份副本即可。
附持久化级别：
| 级别 | 使用空间 | CPU时间 | 是否在内存中 | 是否在磁盘上 | 备注 |
| MEMORY_ONLY | 高 | 低 | 是 | 否 | |
| MEMORY_ONLY_2 | 高 | 低 | 是 | 否 | 数据存2份 |
| MEMORY_ONLY_SER | 低 | 高 | 是 | 否 | 数据序列化 |
| MEMORY_ONLY_SER_2 | 低 | 高 | 是 | 否 | 数据序列化，数据存2份 |
| MEMORY_AND_DISK | 高 | 中等 | 部分 | 部分 | 如果数据在内存中放不下，则溢写到磁盘 |
| MEMORY_AND_DISK_2 | 高 | 中等 | 部分 | 部分 | 数据存2份 |
| MEMORY_AND_DISK_SER | 低 | 高 | 部分 | 部分 | |
| MEMORY_AND_DISK_SER_2 | 低 | 高 | 部分 | 部分 | 数据存2份 |
| DISK_ONLY | 低 | 高 | 否 | 是 | |
| DISK_ONLY_2 | 低 | 高 | 否 | 是 | 数据存2份 |
| NONE | |||||
| OFF_HEAP |