摘要：
本篇文章提出了散布式内存抽象的概念——弹性散布式数据集（RDD，Resilient Distributed Datasets），它许可开发人员在大型集群上履行基于内存的盘算。RDD实用于两种运用，而现有的数据流体系对这两种运用的处置其实不高效：一是迭代式算法，这在图运用和机器学习范畴很常见；二是交互式数据发掘工具。这两种情形下，将数据保留在内存中能够极大地进步性状。为了有效地实现容错，RDD供给了一种高度受限的同享内存，即RDD在同享状况的时候是基于粗粒度的转换而不是细粒度的更新（换句话说就是，RDD只能通过其他RDD上的批量操作来创立）。虽然如此，RDD依然足以用于 本篇文章提出了散布式内存抽象的概念——弹性散布式数据集（RDD，Resilient
