我想知道，当执行在缓存是一个过滤RDD犹若我们进行以下说明：上缓存RDD
val rdd : = sc.textFile("myfile").zipwithIndex.cache
val size = rdd.count
val filter = rdd.filter(_._2 % 2 == 0)
val sizeF = filter.count
在过滤器上执行的操作RDD是执行，如果它是在高速缓存或不是？尽管我们从第一个RDD创建了第二个RDD，但信息来自同一个地方，所以我想知道它是否被复制到需要缓存的新对象中，或者如果过滤对象直接链接到了其父项允许更快的行动？
由于filter是转型而不是动作，由于火花懒实际上什么也没有在下面这行：
val filter = rdd.filter(_._2 % 2 == 0)
以下行：
val sizeF = filter.count
将使用缓存的（）rdd，并将执行filter变换然后count动作
因此，filter转换中没有任何内容cache。
转换
下表列出了一些火花支持 常见的转换。有关详细信息，请参阅RDD API文档（Scala，Java，Python，R）和RDB函数doc（Scala，Java）。
filter（func）返回通过选择func返回true的源的那些元素 形成的新数据集。
注意。如果filter是动作，并且创建了新的RDD，则不会是cached，只有cache()操作在其上执行的RDD是cached。
没有，
孩子RDD不会cahced，缓存将保持原始RDD在你的工人和其他数据都不会被缓存。
如果您要求这个过滤后的RDD其他步骤不会更改数据，由于Spark将工作中的Spark文件保留在工作人员中，直到发生真正的变化时，响应总是会很快。