RDD是什麼？

RDD(Resilient Distributed Dataset)，彈性分散式資料集，是Spark的核心資料結構抽象。
它是彈性的，具有容錯能力，能夠重新計算失敗結點。
它是分散式的，資料分佈在多個結點上。
它是一個數據集，可以從外部載入資料，可以是文字檔案，JSON，資料庫等。

RDD有哪些特性？

記憶體計算、延遲計算、容錯性、不可變性、邏輯分割槽、持久化策略、資料本地性。

RDD是如何實現彈性的？

Hadoop的MapReduce框架不適合大量的迭代和互動操作。
Spark的RDD抽象實現了將計算過程分為多個stage，並維護了有向無環圖DAG，以支援延遲計算。彈性是指Spark計算的快速恢復能力：由於DAG的血統維護和節點容錯，當一個節點出錯後，可以通過DAG血統重新計算。並可以儲存中間結果，實現大量的迭代操作。

RDD的transformation和Action操作有什麼區別？

transformation操作兩端都是RDD，從一個RDD生成另一個RDD。比如map(),flatmap(),filter(),reduceByKey()。action操作的返回值是一個值。比如first(),take(),collect(),count()。由於延遲計算，直到出現action操作時，Spark才會真正開始計算。

什麼是窄依賴和寬依賴？

Transformation操作分為窄依賴和寬依賴。
窄依賴在一個分割槽內處理，可以在區內完成轉換，與其他worker不用互動。
寬依賴中，下一個RDD的來源是多個父RDD，也稱為shuffle transformation。
可以從操作後的RDD的來源數量來區分，若一個分割槽內的RDD來源於多個RDD的分割槽，則為寬依賴。窄依賴和寬依賴的區別是有無shuffle，也是劃分stage的依據。

參考資料

http://spark.apache.org/docs/latest/rdd-programming-guide.html