RDD 通過 Cache 或者 Persist 方法将前面的計算結果緩存，預設情況下會把資料以緩存在 JVM 的堆記憶體中。但是并不是這兩個方法被調用時立即緩存，而是觸發後面的 action 算子時，該 RDD 将會被緩存在計算節點的記憶體中，并供後面重用
存儲級别：
如果級别名字後面加上字尾_2，每個持久化的資料，都複制一份副本，并将副本儲存到其他節點上。 如果記憶體充足，要使用雙副本高可靠機制
緩存有可能丢失，或者存儲于記憶體的資料由于記憶體不足而被删除，RDD 的緩存容錯機制保證了即使緩存丢失也能保證計算的正确執行。通過基于 RDD 的一系列轉換，丢失的資料會被重算，由于 RDD 的各個Partition 是相對獨立的，是以隻需要計算丢失的部分即可，并不需要重算全部 Partition。
Spark 會自動對一些 Shuffle 操作的中間資料做持久化操作(比如：reduceByKey)。這樣做的目的是為了當一個節點 Shuffle 失敗了避免重新計算整個輸入。但是，在實際使用的時候，如果想重用資料，仍然建議調用 persist 或 cache。
将RDD的中間結果寫入次品，當血緣依賴過長時，會造成容錯成本過高
如果在中間階段做檢查點容錯，即：
如果檢查點之後有節點出現問題，可以從檢查點開始重做血緣，減少了開銷
對 RDD 進行 checkpoint 操作并不會馬上被執行，必須執行 Action 操作才能觸發
Cache 緩存隻是将資料儲存起來，不切斷血緣依賴。Checkpoint 檢查點切斷血緣依賴
Cache 緩存的資料通常存儲在磁盤、記憶體等地方，可靠性低。Checkpoint 的資料通常存，儲在 HDFS 等容錯、高可用的檔案系統，可靠性高。
建議對 checkpoint()的 RDD 使用 Cache 緩存，這樣 checkpoint 的 job 隻需從 Cache 緩存，中讀取資料即可，否則需要再從頭計算一次 RDD中讀取資料即可，否則需要再從頭計算一次 RDD