对于cache()，您仅使用默认存储级别：

• MEMORY_ONLY用于RDD
• • • 数据集**的MEMORY_AND_DISK

使用persist()，您可以为RDD和Dataset指定所需的存储级别。
来自官方文件：

• 您可以使用persist（）或cache（）方法将RDD标记为持久化。
• 每一持久存储的RDD可使用不同的storage level来存储
• cache（）方法是使用默认存储级别的简写，默认存储级别是StorageLevel.MEMORY_ONLY（将反序列化的对象存储在内存中）。

如果要分配以下存储级别以外的存储级别，请使用persist()：

• MEMORY_ONLY到RDD
• 或数据集的MEMORY_AND_DISK

官方文档的有趣链接：选择哪个存储级别

cache和persist操作之间的差异纯粹是语法上的。cache是persist或persist（MEMORY_ONLY）的同义词，即cache仅仅是默认存储级别为MEMORY_ONLY的persist
但是Persist()我们可以将中间结果保存在5个存储级别中。
1.仅内存
1.存储器和磁盘
1.仅存储器SER
1.存储器和磁盘SER
1.仅磁盘
/**使用默认存储级别（MEMORY_ONLY）保留此RDD。/
def持续（）：此.类型=持久（存储级别.仅内存）
/**使用默认存储级别（MEMORY_ONLY）保留此RDD。/
def缓存（）：这个.类型= persist（）
在此查看更多详细信息...

• 缓存或持久性是以下方面的优化技术（迭代和交互式）Spark计算。它们有助于保存中间部分结果，以便在后续阶段中重用。这些中间结果以RDD的形式保存在内存中（默认值）或更坚固的存储，如磁盘和/或复制。RDD可以使用cache操作进行缓存。它们也可以使用persist操作持久化。*

一米十三分一秒，一米十四分一秒

这些函数可以用来调整RDD的存储级别。当释放内存时，Spark将使用存储级别标识符来决定哪些分区应该保留。无参数变量persist（）和cache（）只是persist(StorageLevel.MEMORY_ONLY).的缩写

警告：存储级别一旦更改，就不能再更改!

警告-谨慎缓存...请参阅（(Why) do we need to call cache or persist on a RDD）

可以在内存中缓存RDD并不意味着盲目地这样做。根据数据集被访问的次数以及这样做所涉及的工作量，重新计算可能比内存压力增加所付出的代价更快。
不言而喻，如果您只读取一次数据集，而不缓存它，实际上会使您的作业变慢。缓存数据集的大小可以从Spark Shell中看到。
正在列出变体...

def cache(): RDD[T]
 def persist(): RDD[T]
 def persist(newLevel: StorageLevel): RDD[T]

参见以下示例：

val c = sc.parallelize(List("Gnu", "Cat", "Rat", "Dog", "Gnu", "Rat"), 2)
     c.getStorageLevel
     res0: org.apache.spark.storage.StorageLevel = StorageLevel(false, false, false, false, 1)
     c.cache
     c.getStorageLevel
     res2: org.apache.spark.storage.StorageLevel = StorageLevel(false, true, false, true, 1)

注：由于RDD的缓存和持久化之间非常小且纯粹的语法差异，这两个术语经常互换使用。
在此处查看更多直观信息....

保留在内存和磁盘中：

缓存：

缓存可以在很大程度上提高应用程序的性能。

• 一般情况下，建议对特定存储级别使用persist，以便更好地控制缓存行为，而缓存可以作为在内存中缓存数据的一种快速方便的方式。*

没有区别，从RDD.scala。

/** Persist this RDD with the default storage level (`MEMORY_ONLY`). */
def persist(): this.type = persist(StorageLevel.MEMORY_ONLY)

/** Persist this RDD with the default storage level (`MEMORY_ONLY`). */
def cache(): this.type = persist()

Spark提供5种类型的存储级别

• MEMORY_ONLY
• MEMORY_ONLY_SER
• MEMORY_AND_DISK
• MEMORY_AND_DISK_SER
• DISK_ONLY

cache()将使用MEMORY_ONLY。如果要使用其他内容，请使用persist(StorageLevel.<*type*>)。
默认情况下，persist()将数据作为非序列化对象存储在JVM堆中。

Cache（）和persist（）这两个方法都是用来提高spark计算的性能的，它们帮助保存中间结果，以便在后续阶段重用。
cache（）和persist（）之间的唯一区别是，使用Cache技术，我们可以仅在需要时将中间结果保存在内存中，而在Persistt（）中，我们可以将中间结果保存在5个存储级别（MEMORY_ONLY、MEMORY_AND_DISK、MEMORY_ONLY_SER、MEMORY_AND_DISK_SER、DISK_ONLY）中。

对于不耐烦：

一样

如果不传递参数，persist()和cache()相同，使用默认设置：

• 当RDD：仅内存
• 当Dataset：存储器和磁盘

差异：

与cache()不同，persist()允许您在括号内传递参数，以便指定级别：

• persist(MEMORY_ONLY)
• persist(MEMORY_ONLY_SER)
• persist(MEMORY_AND_DISK)
• persist(MEMORY_AND_DISK_SER )
• persist(DISK_ONLY )

瞧!