一、RDD基础
1.RDD分布式数据集的五大特性
（1）A list of partitions
（2）A function for computing each split
（3）A list of dependencies on other RDDs
（4）Optionally,a Partitioner for key-value RDDs
（5）Optionally,a list of preferred locations to compute each split
2.RDD的操作类型
Transformations:转换，lazy型，不会触发计算
Action：触发job
Persist：缓存也不会触发job，在第一次触发job之后才会真正进行缓存
3.RDD的计算
RDD的计算实际上我们可以分为两大部分。
1）Driver端的计算
主要是stage划分，task的封装，task调度执行
2）Executor端的计算
真正的计算开始，默认情况下每个cpu运行一个task。一个task实际上就是一个分区，我们的方法无论是转换算子里封装的，还是action算子里封装的都是此时在一个task里面计算一个分区的数据。
二、源码相关
1.第一次封装
可以看到方法通过clean操作（清理闭包，为序列化和网络传输做准备），进行了一次匿名函数的封装，
针对foreach方法，是我们的方法被传入了迭代器foreach（每个元素遍历执行一次函数），
而对于foreachpartition方法是迭代器被传入了我们的方法（每个分区执行一次函数，我们获取迭代器后需要自行进行迭代处理）
2.第二次封装
就是讲上述封装的方法进一步按照匿名函数封装
（ctx:TaskContext,it:Iterator[T] => cleanFunc(it)）
3.执行的时候
Spark的Task类型我们用到的也就两个
1）shuffleMapTask
2）ResultTask
Action算子的方法是在ResultTask中执行的，也即ResultTask的runTask方法。
首先反序列化得到我们的方法和RDD，然后执行。传入的是迭代器
三、总结
RDD.foreach(foreachFunction)
RDD.foreachPatition(foreachPartitionFunction)
经过第二部分析我们可以理解，展开之后实际上就是
RDD的每个分区的iterator:
iterator.foreach(foreachFunction)
foreachPartitionFunction(iterator)
这就很明显了，假如我们的Function中有数据库，网络TCP等IO连接，文件流等等的创建关闭操作，采用foreachPartition方法，针对每个分区集合进行计算，更能提高我们的性能。