Answers:
大多数RDD操作都是惰性的。将RDD视为一系列操作的描述。RDD不是数据。所以这行：
val textFile = sc.textFile("/user/emp.txt")它什么也没做。它创建一个RDD，上面写着“我们将需要加载该文件”。此时尚未加载该文件。
需要观察数据内容的RDD操作不能偷懒。（这些称为动作。）一个示例是RDD.count-告诉您文件中的行数，需要读取文件。因此，如果您写入textFile.count，这时将读取文件，对行进行计数，并返回计数。
如果您textFile.count再次打电话怎么办？同样的事情：文件将被读取并再次计数。什么都没有存储。RDD不是数据。
那怎么RDD.cache办？如果添加textFile.cache到上面的代码中：
val textFile = sc.textFile("/user/emp.txt")
textFile.cache它什么也没做。RDD.cache也是一个懒惰的操作。该文件仍然无法读取。但是现在RDD会说“读取此文件，然后缓存内容”。如果您textFile.count是第一次运行，该文件将被加载，缓存和计数。如果您textFile.count再次调用，该操作将使用缓存。它只会从缓存中获取数据并计算行数。
缓存行为取决于可用内存。例如，如果文件不适合存储在内存中，textFile.count则将恢复为通常的行为并重新读取文件。
perisist并选择一个存储选项，该选项允许将缓存数据溢出到磁盘上。
我认为这个问题最好表述为：
Spark进程是惰性的，也就是说，直到需要时，什么都不会发生。为了快速回答这个问题，val textFile = sc.textFile("/user/emp.txt")发出文件后，数据什么都没有发生，仅HadoopRDD使用文件作为源构造了一个。
假设我们对数据进行了一些转换：
val wordsRDD = textFile.flatMap(line => line.split("\\W"))同样，数据没有任何反应。现在有一个新的RDD wordsRDD，其中包含对RDD 的引用testFile以及在需要时要应用的功能。
仅当在RDD上调用操作时，例如 wordsRDD.count RDD链）时，才会执行称为血统的动作。也就是说，按分区细分的数据将由Spark集群的执行程序加载，该flatMap函数将被应用并计算结果。
在线性血统中，cache()不需要像本例中那样。数据将被加载到执行器，所有转换将被应用，最后count将被计算，全部在内存中-如果数据适合内存。
cache当RDD的血统分支出去时，此功能很有用。假设您要将前面示例中的单词过滤为正数和负数的计数。您可以这样做：
val positiveWordsCount = wordsRDD.filter(word => isPositive(word)).count()
val negativeWordsCount = wordsRDD.filter(word => isNegative(word)).count()在这里，每个分支都会重新加载数据。添加显式cache语句将确保保留并重复使用以前完成的处理。该工作将如下所示：
val textFile = sc.textFile("/user/emp.txt")
val wordsRDD = textFile.flatMap(line => line.split("\\W"))
wordsRDD.cache()
val positiveWordsCount = wordsRDD.filter(word => isPositive(word)).count()
val negativeWordsCount = wordsRDD.filter(word => isNegative(word)).count()是因为， cache据说它“破坏了血统”，因为它创建了可重新用于进一步处理的检查点。
经验法则：cache当RDD的谱系分支出来或像循环中一样多次使用RDD时使用。
spark.storage.memoryFraction。关于哪个执行程序具有哪些数据，RDD将跟踪其在执行程序上分布的分区。
cache还是persist 可以打破沿袭。
我们是否需要显式调用“缓存”或“持久”将RDD数据存储到内存中？
是的，仅在需要时。
默认情况下，RDD数据以分布式方式存储在内存中吗？
没有！
这些就是原因：
Spark支持两种类型的共享变量：广播变量（可用于在所有节点上的内存中缓存值）和累加器（累加器）是仅“加”到变量的变量，例如计数器和总和。
RDD支持两种类型的操作：转换（从现有操作创建新的数据集）和动作（在操作数据集上进行计算后，将值返回给驱动程序）。例如，map是一种转换，它将每个数据集元素通过一个函数传递，并返回代表结果的新RDD。另一方面，reduce是使用某些函数聚合RDD的所有元素并将最终结果返回给驱动程序的操作（尽管也有并行的reduceByKey返回分布式数据集）。
Spark中的所有转换都是惰性的，因为它们不会立即计算出结果。相反，他们只记得应用于某些基本数据集（例如文件）的转换。仅当动作要求将结果返回给驱动程序时才计算转换。这种设计使Spark可以更有效地运行-例如，我们可以认识到通过map创建的数据集将用于reduce中，并且仅将reduce的结果返回给驱动程序，而不是将较大的maped数据集返回给驱动程序。
默认情况下，每次在其上执行操作时，可能会重新计算每个转换后的RDD。但是，您也可以使用persist（或缓存）方法将RDD保留在内存中，在这种情况下，Spark会将元素保留在群集中，以便下次查询时可以更快地进行访问。还支持将RDD持久保存在磁盘上，或在多个节点之间复制。
有关更多详细信息，请查看Spark编程指南。