一、为什么Spark要用Scala实现
1、spark和scala真的是非常完美的配搭，RDD的很多思想与scala类似，如完全相同概念List的map、filter等高阶算子，很短的
代码就可以实现java很多行的功能；类似于fp中的不可变及惰性计算，使得分布式的内存对象rdd可以实现，同时可以实现pipeline；
2、scala善于借力，如设计初衷就包含对于jvm的支持，所以可以很完美的借java的生态力量；spark一样，很多东西不要自己写，直接使用、借鉴，如直接部署在yarn、mesos、ec2，使用hdfs、s3，借用hive中的sql解析部分；
3、还有akka方便开发高效的网络通讯。
二、Spark中parallelize函数和makeRDD函数的区别
Spark主要提供了两种函数：parallelize和makeRDD：1）parallelize的声明：defparallelize[T:ClassTag](seq:Seq[T],numSlices:Int=defaultParallelism):RDD[T]2）makeRDD的声明：defmakeRDD[T:ClassTag](seq:Seq[T],numSlices:Int=defaultParallelism):RDD[T]defmakeRDD[T:ClassTag](seq:Seq[(T,Seq[String])]):RDD[T]3）区别：A）makeRDD函数比parallelize函数多提供了数据的位置信息。
三、雪佛兰乐驰明明是美国车，咋变成韩国车了？
雪弗兰属于美国通用公司，通用收购了韩国大宇汽车，并通过进行全球技术整合设计生产大宇的车型，乐驰是用当时在大宇的一款车型为平台进行改进设计，虽然配件和后期设计都是由欧州人负责，但由于车体本身是来源于通用大宇，所以很多喜欢转牛角尖的人就咬定这款车是韩国车，其实只是没有什么意义的争论罢了，就算当它是韩过车，也是装配欧宝引擎的韩国车。
四、Spark RDD到底是个什么东西
Spark RDD的英文是Resilient Distributed Datasets，即弹性分布式数据集。通俗一点讲，Spark是做大数据处理的，RDD是其中极为重要的数据抽象，海量数据会被拆分为多个分片放在不同的集群节点上，RDD就是这些分布式数据的集合。在Spark Scala中， RDD就是一个类，每个RDD的实例表示一个具体的分布式数据集合。详见：
五、如何理解spark中RDD和DataFrame的结构
RDD、DataFrame和DataSet是容易产生混淆的概念，必须对其相互之间对比，才可以知道其中异同。
RDD和DataFrame
RDD-DataFrame
上图直观地体现了DataFrame和RDD的区别。左侧的RDD[Person]虽然以Person为类型参数，但Spark框架本身不了解
Person类的内部结构。而右侧的DataFrame却提供了详细的结构信息，使得Spark
SQL可以清楚地知道该数据集中包含哪些列，每列的名称和类型各是什么。DataFrame多了数据的结构信息，即schema。RDD是分布式的
Java对象的集合。DataFrame是分布式的Row对象的集合。DataFrame除了提供了比RDD更丰富的算子以外，更重要的特点是提升执行效
率、减少数据读取以及执行计划的优化，比如filter下推、裁剪等。
