Spark面试经典系列之Cache和Checkpoint

1、Cache 2、Checkpoint

Cache：当我们想复用数据的时候一般都会进行Cache，在实际生产环境下复用RDD是最重要的性能优化手段之一（当然，如果能够实现优良的RDD的复用，一定是建立在同时驾驭业务和技术的基础之上的）。所谓的Cache其实是把数据经过第一次计算放在了BlockManager中。

Checkpoint：相当于Cache的备胎，Checkpoint的数据会放在容错的文件系统中，进行Checkpoint的RDD一般都会首先进行Cache来避免数据的重复计算