RDD 与分布式共享内存的异同
分布式共享内存 (Distributed Shared Memory ，DSM) 是一种通用的内存数据抽象 ，这种通用性同时也使其在商用集群上实现有效的容错 性和一致性更加困难。
此外， RDD对于扫描类型操作， 如果内存不足以缓存整个RDD，就进行部分缓存， 将内存容纳不下的分区存储到磁盘上。
Spark算子的作用
1）输入：在 Spark 程序运行中，数据从外部数据空间（如分布式存储：textFile 读取HDFS等， parallelize 方法输入 Scala集合或数据）输入
Spark，数据进入 Spark 运行时数据空间，转化为 Spark 中的数据块，通过BlockManager 进行管理。
2）运行：在 Spark 数据输入形成 RDD后便可以通过变换算子，如fliter 等，对数据进行操作并将 RDD转化为新的 RDD，通过 Action 算子，触发 Spark 提交作业。如果数据需要复用，可通过Cache算子，将数据缓存到内存。
3）输出：程序运行结束数据会输出
Spark 运行时空间，存储到分布式存储中（如saveAsTextFile输出到 HDFS），或 Scala数据或集合中（ collect 输出到 Scala集合， count 返回 Scalaint 型数据）。
Spark的核心数据模型是RDD，但 RDD是个抽象类，具体由各子类实现， 如 MappedRDD、ShuffledRDD等子类。 Spark 将常用的大数据操作都转化成为RDD的子类。
算子分类
算子大致可以分为三大类。
1）Value 型的 Transformation 算子， 这种变换并不触发提交作业，针对处理的数据项是Value 型的数据。
2） Key-Value 型的 Transfromation 算子， 这种变换并不触发提交作业，针对处理的数据项是 Key-Value 型的数据对。
3）Action 算子，这类算子会触发SparkContext 提交作业 Job。