弹性分布式数据集（RDD，Resilient Distributed Dataset）是Apache Spark的一个核心概念和基本抽象。它代表了一个不可变、分布式的数据集合，可以在集群的多个节点上并行处理。RDD的设计目标是提高大规模数据处理的效率和容错能力。以下是RDD的一些关键特性：
- 不可变性：一旦创建，RDD的数据就不能被修改。任何对数据的转换操作都会产生一个新的RDD。这种特性有助于容错和数据一致性。
- 分布式：RDD中的数据被分割成多个分区，这些分区可以在集群的不同节点上并行处理。
- 容错性：RDD通过一种称为“血统”的机制来提供容错能力。血统记录了从原始数据集到当前RDD的所有转换步骤，如果某个分区的数据丢失，可以使用血统信息来重新计算丢失的数据。
- 懒惰求值：