RDD持久化操作主要包括缓存（Cache）、持久化（Persist）和断点检查（Checkpoint）。

这段伪代码的瑕疵：

 lines = sc.textFile(“hdfs://...”)

    
 errors = lines.filter(_.startsWith(“ERROR”))
    
 mysql_errors = errors.filter(_.contain(“MySQL”)).count
    
 http_errors = errors.filter(_.contain(“Http”)).count

errors 是一个 RDD，在 mysql_errors 这个 RDD 执行时会先读取文件并获取其内容；接着通过计算 errors 来得到结果，并将这些结果传递给 mysql_errors 进行处理；由于 RDD 不存储数据，在 http_errors 进行计算时会重新读取文件以获取新的内容；然后在计算过程中生成的 errors 也会被传递给 http_errors 并用于其后续的处理步骤；为了使其他 RDD 能够访问到这些错误信息，请确保将 errors RDD 持久化以便其他 RDD 能够访问到这些错误信息

RDD 持久化有三个算子：cache、persist、checkpoint

• cache：把 RDD 持久化到内存

使用方法：

 var rdd = sc.textFile("