【Spark】RDD缓存机制

1. RDD缓存机制是什么？

把RDD的数据缓存起来，其他job可以从缓存中获取RDD数据而无需重复加工。

2. 如何对RDD进行缓存？

有两种方式，分别调用RDD的两个方法：persist 或 cache。
注意：调用这两个方法后并不会立刻缓存，而是有action算子触发时才会缓存。

3. persist 和 cache有什么区别？

二者的区别在于缓存级别上：
persist有多种缓存方式，如缓存到内存，缓存到磁盘等。
cache只缓存到内存，且实际是调用了persist方法。
两种方法的源码及缓存RDD的缓存级别如下：

4. 何时需要缓存RDD？

有两种情况：

1. RDD被后续多个job用到；
2. RDD的计算过程复杂。

5. 如何清除RDD缓存？

有两种方式：

1. 应用程序结束后，缓存自动清除；
2. 调用unpersist方法，源码如下：
   

–The End–