Spark 最重要的一個功能是它可以通 過 各種操作（ operations ）持久化（或者 緩 存）一個集合到記憶體中。當你持久化一個 RDD 的 時 候，每一個 節 點都將參與 計 算的所有分割槽資料存 儲 到記憶體中，並且 這 些 資料可以被 這 個集合（以及 這 個集合衍生的其他集合）的 動 作（ action ）重複利用。 這 個能力使後 續 的 動 作速度更快（通常快 10 倍以上）。 對應 迭代演算法和快速的互動使用來 說 ， 緩 存是一個關 鍵 的工具。你能通 過 persist() 或者 cache() 方法持久化一個 rdd 。首先，在 action 中 計 算得到 rdd ；然後，將其儲存在每個 節 點的記憶體中。Spark的 緩 存是一個容 錯 的技 術 -如果RDD的任何一個分割槽 丟 失，它 可以通 過 原有的 轉換 （ transformations ）操作自 動 的重複 計 算並且 創 建出 這 個分割槽。此外，我 們 可以利用不同的存 儲級別 存 儲 每一個被持久化的RDD。例如，它允 許 我 們 持久化
集合到磁碟上、將集合作為序列化的 Java 物件持久化到記憶體中、在節點間複製集合或者儲存集合到 Tachyon中。我 們 可以通 過傳遞 一個 StorageLevel 對 象 給 persist() 方法 設 置 這 些儲存級別 。 cache() 方法使用了默 認 的存 儲級別— StorageLevel.MEMORY_ONLY 。
完整的存 儲級別介紹如下所示：

如何 選擇 存 儲級別

Spark的多個儲存級別意味著在記憶體利用率和cpu利用效率間的不同權衡。通過下面的過程選擇一個合適的儲存級別：如果你的RDD適合預設的儲存級別（MEMORY_ONLY），就選擇預設的儲存級別。因為這 是cpu利用率最高的 選項 ，會使RDD上的操作儘可能的快。如果不適合用默 認 的 級別 ， 選MEMORY_ONLY_SER。 選擇 一個更快的序列化 庫 提高物件的空間使用率，但是仍能夠相當快的訪問。
除非函式 計 算 RDD 的花 費較 大或者它 們 需要 過濾 大量的資料，不要將 RDD 存 儲 到磁 盤上，否 則 ，重複 計 算一個分割槽就會和重磁 盤 上 讀 取資料一 樣 慢。如果你希望更快的 錯誤 恢復，可以利用重複 (replicated) 存 儲級別 。所有的存 儲級別 都可
以通 過 重複 計 算 丟 失的資料來支援完整的容 錯 ，但是重複的資料能 夠 使你在 RDD 上 繼續運 行任 務 ，而不需要重複 計 算 丟 失的資料。在 擁 有大量記憶體的 環 境中或者多 應 用程式的 環 境中， OFF_HEAP 具有如下 優勢 ：它 運 行多個 執 行者共享 Tachyon 中相同的記憶體池它 顯 著地 減 少 垃圾 回收的花 費如果 單 個的 執 行者崩 潰 ， 緩 存的資料不會 丟 失。

刪 除資料

Spark 自 動 的 監 控每個 節 點 緩 存的使用情況，利用最近最少使用原 則刪 除老舊的資料。如果想手動的刪除RDD，可以使用 RDD.unpersist() 方法