Spark多重集中的RDD是什么？

Question

在Learning Spark中，您可以找到“伪集操作”部分。在那里，理所当然地说，RDD不是从数学的角度来看的。这显然是正确的;例如RDD中的元素不是唯一的。人们很想证明RDD是multisets。它提出了两个问题：

• RDD是否是多字符串？
• 反过来：
  • 如果RDD 不多重集，为什么？ RDD和多集之间有什么区别？
  • 如果RDD 是多重集合，为什么没有相应地定义（多个）集合操作？例如，如果M1 = [a,b,a,b]和M2 = [a,a,b,c]，则从数学角度来看，它们的交点应为[a,a,b]。但是，Spark返回[a,b];一种纯粹设定的操作视图。背后的动机是什么？

N.B。：笛卡尔积：好像加上混乱，M1和M2的笛卡尔积表现得像多集产品;即返回多重集。