弹性分布式数据集 (Resilient Distributed Datasets, RDD)
RDD，全称 Resilient Distributed Datasets（弹性分布式数据集），是 Spark 最为核心的概念，是 Spark 对数据的抽象。
RDD 是分布式的元素集合，每个 RDD 只支持读操作，且每个 RDD 都被分为多个分区存储到集群的不同节点上。除此之外，RDD 还允许用户显示的指定数据存储到内存和磁盘中。
对 RDD 的操作，从类型上也比较简单，包括：创建 RDD、转化已有的 RDD 以及在已有 RDD 的基础上进行求值。
HDFS 和 MapReduce 是 Hadoop 的两个重要核心，其中 MapReduce 是 Hadoop 的分布式计算模型。MapReduce 主要分为两步 Map 步和 Reduce 步，引用网上流传很广的一个故事来解释，现在你要统计一个图书馆里面有多少本书，为了完成这个任务，你可以指派小明去统计书架 1，指派小红去统计书架 2，这个指派的过程就是 Map 步，最后，每个人统计完属于自己负责的书架后，再对每个人的结果进行累加统计，这个过程就是 Reduce 步。
本代码运行环境为 ubuntu 18.04，使用 Hadoop 2.9.2 版本
首先按照之前的方法（在 CentOS 7 中安装 Hadoop 与 HBase）搭建并启动 Hadoop
Hadoop HDFS 实践（2）—— 使用 Java 编程操作 HDFS 文件
接着上一篇：Hadoop HDFS 实践（1）—— 安装 IDEA 并创建项目
本笔记主要内容如下：
Hadoop HDFS 实践（1）—— 安装 IDEA 并创建项目
本实验使用 IntelliJ IDEA 2019.1 创建项目，使用 maven 管理依赖。
进入官网，下载 Windows 版本的 IDEA（直达链接：https://www.jetbrains.com/idea/download/#section=Windows），这里选择 Community 版本。
本实验在 VMware 虚拟机中安装 CentOS 系统，搭建 Hadoop 伪分布式模式环境，安装 HBase。实验必要的环境，包括：VMware Workstation Pro 15, CentOS 7.6.1810, Java SE Development Kit 8u201, Hadoop 2.9.2, HBase 1.4.9。
下载地址：
本报告一共分为四个部分