简述什么是RDD（对RDD的理解）？RDD有哪些特点？说下知道的RDD算子 ？
RDD 理解：
RDD（Resilient Distributed Dataset，弹性分布式数据集）是 Spark 的基本数据结构，它代表一个不可变、分布式的数据集合。RDD 可以让用户在大规模集群上进行数据处理和计算任务，同时提供容错的能力。
RDD 特点：
- 不可变性：一旦创建，RDD 中的数据是不可改变的。这有助于容错，因为可以在出现故障时重建数据。
- 分布式：数据存储在集群的多个节点上，可以并行处理。
- 容错性：通过 lineage（血统信息）来记录每个 RDD 的转换历史。如果某个分区的数据丢失，可以通过 lineage 重新计算。
- 惰性求值：RDD 的转换操作（transformations）是惰性的，只有在需要结果的时候才会触发计算。
- 可持久化：用户可以选择将 RDD 持久化到内存或磁盘中，这样可以加速后续的计算。
常见的 RDD 算子：
RDD 算子分为两类：转换操作（Transformations）和行动操作（Actions）。
- 转换操作（Transformations）：
map(func): 对 RDD 的每个元素都执行给定的函数。filter(func): 返回一个包含所有通过给定函数测试的元素的新 RDD。flatMap(func): 与 map 类似，但每个输入项可以被映射到 0 或多个输出项。reduceByKey(func): 当调用在（K,V）对的数据集上时，返回一个新的（K,V）对的数据集，其中每个值是将每个 key 传递到 reduce 函数的结果。
- 行动操作（Actions）：
collect(): 返回 RDD 中的所有元素。count(): 返回 RDD 中的元素个数。take(n): 返回 RDD 中的前 n 个元素。reduce(func): 通过给定的函数聚合 RDD 的所有元素。
理解 RDD 的特点和算子对于有效地使用 Spark 进行大规模数据处理至关重要。RDD 的设计哲学是为了简化分布式计算，并提供一种高效、通用且容错的方式来处理大数据。