性能优化：使用高性能的库fastutilfastutil介绍：fastutil是扩展了Java标准集合框架（Map、List、Set；HashMap、ArrayList、HashSet）的类库，提供了特殊类型的map、set、list和queue；fastutil能够提供更小的内存占用，更快的存取速度；我们使用fastutil提供的集合类，来

先看源码注释中的内容CallSite represents a place in user code. It can have a short and a long form./* CallSite表示用户代码中的一个位置。它可以有短的和长的形式。 */实际去debug一个案例 查看，callsite中存储了哪些内容。下边两张图为自己的代码。下边一张图为stage的内容。正如注释写的一样 ，cal

1.spark中的RDD是什么，有哪些特性？答：RDD（Resilient Distributed Dataset）叫做分布式数据集，是spark中最基本的数据抽象，它代表一个不可变，可分区，里面的元素可以并行计算的集合Dataset：就是一个集合，用于存放数据的Destributed：分布式，可以并行在集群计算Resilient：表示弹性的，弹性表示1.RDD中的数据可以存储在内存或者磁盘中；2

1 涉及到的API12BaseRelation: In a simple way, we can say it represents the collection of tuples with known schemaTableScan: provides a way to scan the data and generates the RDD[Row] from the data<br&g

使用json格式化工具格式化，将特殊 空格 换行 符号替换。sublime打开ipynb,将文件改为 utf8格式。