RDD的持久化：

Rdd.cache()
Rdd.persist(StorageLevel.MEMORY_ONLY)

persist方式可选取以下不同方式持久化

MEMORY_AND_DISK    #如果内存不够再存磁盘
DISK_ONLY
MEMORY_ONLY_SER    #存数据时候实现序列化   可节省内存，但是读取时要反序列化，耗CPU，衡量
MEMORY_ONLY_2      #每份数据存两份
OFF_HEAP

选取方案

1、优先选择MEMORY_ONLY，如果可以用内存缓存所有数据，那么久意味着我们的计算是纯内存的计算，速度当然快。

2、MEMORY_ONLY缓存不了所有的数据，MEMORY_ONLY_SER 把数据实现序列化进行存储，节省内存。这样也是纯内存操作，速度也快，只不过需要耗费CPU资源反序列化。

3、可以使用带_2这种方式，恢复的时候可以使用备份，不需要重新计算。

4、能不适用DISK的，就不适用DISK，有时候从磁盘读，还不如重新计算一次

其他：

1、什么是tachyon？
tachyon是一个内存分布式文件系统，hdfs是基于磁盘，他是介于计算层和存储层之间的，我们可以简单的理解为存储层在内存内的一个缓存系统 ，是一个开源系统，是一个以JVM为基础的系统
2、为什么会出现tachyon？
发现以内存替换磁盘，就可以明显的减少延时，所以就涌现出来很多基于内存的计算工具，比较出名的就是spark这个计算框架

1、Spark运行以JVM为基础，所以spark的任务会把数据存入JVM的堆中，随着计算的迭代，JVM堆中存放的数据量迅速增大，对于spark而言，spark计算引擎和存储引擎处在同一个JVM中，所以会有重复的GC方面的开销，这样就增大了系统的延时。

2、当JVM崩溃时，缓存在JVM的数据也会消失，这个时候spark不得不根据RDD的血缘关系重新计算数据

3、如果spark需要和其他框架共享数据，比如hadoop的MapReduce，这个时候就必须通过第三方来共享，比如借助hdfs，那么这样的话，就需要额外的开销（磁盘IO）。

因为我们基于内存的分布式计算框架有以上的问题，那么就促使内存分布式文件系统的诞生，比如tachyon，tachyon可以解决什么问题？

如果我们把数据存到tachyon：
1、减少spark GC的开销。
2、当spark的JVM崩溃时，存放在tachyon上的数据不受影响。
3、Spark如果要想跟别的计算工具共享数据，只要通过tachyon的Client就可以做到了，并且延迟远低于hdfs等系统