In-memory Processing_01
1.Background
2.Spark
2.1. RDD是Spark框架中的核心概念 。可以将RDD视作数据库中的一张表。其中可以保存 任何类型的数据。Spark将数据存储在不同分区 上的RDD之中。
2.2. RDD可以从集合 直接转换来，也可以由从现存的任何Hadoop InputFormat 来,亦或者 HBase。等等。
2.3. Spark 定义的RDD数据集的存储级别 如下:
MEMORY_ONLY: 默认选项，RDD的（分区）数据直接以 Java对象的形式存储于 JVM的内存中，如果 内存空间不足，某些分区的数据将不会被 缓存，需要在使用的时候 重新计算。
MYMORY_AND_DISK： RDD的数据直接以 Java对象的形式存储于 JVM的内存中，如果 内存空间不足，某些分区的数据将会被存储至 磁盘，使用的时候从磁盘读取。
MEMORY_ONLY_SER： RDD的数据 （Java对象）序列化 之后存储于JVM的内存中（一个分区的数据为内存中的一个字节数组），相比于 MEMORY_ONLY能够有效 节约内存空间（特别是使用一个 快速序列化工具的情况下），但读取数据时需要更多的CPU开销；如果内存空间不足，处理方式与 MEMORY_ONLY相同。
MEMORY_AND_DISK_SER： 相比于 MEMORY_ONLY_SER，在内存空间不足的情况下，将序列化之后的数据存储于 磁盘。
DISK_ONLY： 仅仅使用磁盘存储RDD的数据 （未经序列化）。
MEMORY_ONLY_2,MEMORY_AND_DISK_2：
以MEMORY_ONLY_2 为例， MEMORY_ONLY_2相比于 MEMORY_ONLY
存储数据的方式是相同的，不同的是会将数据备份到集群中两个不同的节点，其余情况类似。
OFF_HEAP： RDD的数据序例化之后存储至 Tachyon。