"Spark’s RDDs are by default recomputed each time you run an action on them." 对于this语句，每次对其运行操作时都会重新计算yes rdd。现在它背后的原因是，如果它将所有rdds内容存储在内存中，那么您的内存很快就会耗尽。因此，它不能将每个RDD都保存在内存中。当您对它执行任何操作时，它会读取源数据并对其执行转换，并为您的操作提供输出。 "After computing it the first time, Spark will store the RDD contents in memory and reuse them in future actions." 默认情况下，它不会将其存储在内存中，但是根据您的用例，您可以使用 df.cache() 或者 df.persist() 然后它会将rdd内容存储在内存中，当您第二次执行rdd的任何操作时，依赖于缓存的rdd，它不会从源代码中读取，而是从内存中使用它。如果要对rdd执行多个操作，或者存在复杂的转换逻辑，您不希望每次调用操作时spark都执行这些逻辑，那么只应该缓存rdd。