选择哪种存储级别?

Spark的存储级别相当于，在内存使用和CPU效率之间，提供了不同的权衡。我们推荐通过以下过程来选择一个：

• 如果使用默认的存储级别（MEMORY_ONLY），你的RDDs可以很好地放在内存中，那就用这种默认方式。这是一个CPU最有效地配置项，使得在此RDDs上的操作能够尽可能快的完运行。

• 如果不能很好地放在内存，试试使用MEMORY_ONLY_SER，并且选择一个快速的序列化庫来将对象更有效地存储，但仍然能够快速地访问（Java和Scala）。

• 不要溢写到磁盘，除非函数计算数据集时开销很大，或者要过滤一个大型数据集。否则，重新计算一个分区可能和从磁盘中读取一样快。

• 如果你想快速恢复错误，使用副本存储级别（例如，想使用Spark保存来自web应用的请求）。通过重新计算丢失的数据，所有的存储级别提供完整的容错，但是副本可以让你继续执行任务，而不需要等待重新计算那个丢失的分区。