这一次我们主要说下RDD，作为Spark中的核心概念
RDD是Spark中分布式数据集的抽象，囊括了所有内存中和磁盘中的分布式数据实体，
上一次我们把RDD比作数组，其实两者是有相似的，但是相比较数组，RDD的数据集是跨进程的，跨节点的，活动范围是整个集群的。
对于RDD，其中具有四大属性，分别是：
partitions: 数据分片
partitioner: 分片切割规则
dependencies： RDD依赖
compute: 转换函数
而如何理解四个属性呢？
对于Spark来说
数据在流转过程中，给予每一个算子的，是一个以分区为单位的RDD数组，其中包含了多个数据
其次是partitioner，分片切割规则，用户明确当一个数据到来之后，应该分配给哪一个算子上进行计算
之后是依赖，就是RDD会通过dependencies属性来依赖的前一个或者多个RDD，称为父RDD，也就是根据dependencies来记录之前属于的哪个RDD
最后是compute，就是将RDD的状态从A转换到B,也就是上一章的从lineRDD转换到wordRDD的map转换函数
按照上一章的流程代码的可以将4大属性对应到代码为:
我们声明的lineRDD和wordRDD对应的就是RDD概念。
具体的流转数据，就是对应的partitions属性
之后的reduceByKey，其中包含了首先根据key进行分区，对应的就是partitioner属性
然后其中每一个RDD中都记录了历史形态，对应的就是dependencies属性
然后其中RDD的转换方法就是其中的compute属性