没有RDD、Dataset之前，做wordcount或别的大数据计算使用：
原生的python集合：比如python的list、set、map，但是只支持单机版，不支持分布式。如果要做分布式计算，需要做很多额外的工作，比如线程/进程的通信，容错，自动负载均衡。。等很麻烦。所以诞生了框架。
还可以用MapReduce：运行效率低下，开发效率也低下。
诞生了Spark/Flink，参考了原生的scala集合的设计，抽象出了新的数据类型-RDD/Dataset
RDD其实就是分布式集合，支持函数操作。。使用起来跟本地集合一样简单。开发速度快。底层基于分布式内存计算，是MR的100倍。
RDD到底是什么
弹性分布式数据集
弹性：【内存】和【CPU】都是可以扩展。中间数据存在【内存】，如果内存不够，可以溢写到【磁盘】
分布式：【存储】和【计算】都是分布式多节点上的
数据集：一个很大的抽象容器，使用起来跟python集合一样简单，支持【函数式】编程。
核心设计要点
不可变：集合的元素内部都不能改变，但是可以转换成新的集合。
可分区：RDD划分成几个部分区域。
并行计算：每个分区被一个任务处理，各任务并行计算。
源码中记录的RDD的5大特性
有一个分区列表：将【所有的数据】划分成合理的分区数。
计算函数：每个分区的数据上都有【函数】
依赖列表：RDD转换成新的RDD，也记录了依赖关系。
【可选】分区器：当RDD的元素是【键值对】时，可以指定分区器，规定了如何按key来分组到不同的分区中。默认是Hash分区器
【可选】最佳位置：记录了计算的最佳位置（移动代码比移动数据更划算）比如HDFS的block位置。
RDD的5大特性其实就是说明了：
数据在哪里？ 在哪里计算？有哪些分区？使用什么分区器？使用什么函数计算？