标签： apache-spark rdd data-science distributed-computing partitioning
我是Apache Spark的新手，正在尝试了解RDD分区。假设我们有一个10GB的数据源。在Spark应用程序中，我们执行了5次转换和一项操作。我们知道，一旦创建了RDD，Spark就会为此RDD创建分区，并将其存储在执行程序节点中。所以我的问题是这样：