1主/从架构（整体结构） （解耦问题+扩展性问题：观察者模式，组件化解耦应对变化（组件替换，以及增删）-----------如果非主从，则控制混乱，代码不可复用，datanode不容易扩展。）
2元数据与数据分离（空间（本质也是局部性原理）） （io问题：可以理解为将磁盘数据 元数据分到主节点，剩下数据按存储顺序分布到从节点-----------反证 元和数据放到一起活着不分会产生 磁头移动，io最大的开销）（不同数据操作的访问的分离和5对比，局部性原理）
3 延迟写+buffer+块操作（批处理减少单独分散小操作开销，本质也是局部性原理 ）（数据块的Staging） 成块后写入datanode（关键是：同时减少磁头移动操作，中间不被插入别的操作造成不能顺序写磁头移动） （次要： 1减少传输的所用的数据块头 数据量2减少传输建立和关闭开销）（同操作的存储的聚集：局部性原理） （sparkbuffersize的配置所用应该考虑是否和hdfs块大小的相关性？）
4一次写入多次读取（操作） （一致性问题：串行化操作，消除并发写的不一致性，这样hdfs不用写锁，单机并发和分布式并发不用写锁，减少程序复杂度和不一致性） （spark的惰性RDD不可修改性，以及函数式编程的不变性）
5动计算比移动数据更划算（计算） （网络通信开销问题：传数据开销》传计算=====所以scala的函数式在spark中的价值在传函数计算得到一定程度大的优势）
5容错（1hdfs 多副本策略2 rdd （1多副本2检查点3血统相当于也是日志记录操作）） (1副本策略（纯数据） 2日志策略（少量原来数据+操作）（日志升级检查点策略）)