rdd的正確描述是彈性分布式數據集（RDD，ResilientDistributedDatasets）。
是分布式內存的壹個抽象概念，RDD提供了壹種高度受限的***享內存模型，即RDD是只讀的記錄分區的集合，只能通過在其他RDD執行確定的轉換操作（如map、join和groupby）而創建，然而這些限制使得實現容錯的開銷很低。
對開發者而言，RDD可以看作是Spark的壹個對象，它本身運行於內存中，如讀文件是壹個RDD，對文件計算是壹個RDD，結果集也是壹個RDD，不同的分片、數據之間的依賴、key-value類型的map數據都可以看做RDD。
解釋
彈性分布式數據集（RDD，ResilientDistributedDatasets），它具備像MapReduce等數據流模型的容錯特性，並且允許開發人員在大型集群上執行基於內存的計算。現有的數據流系統對兩種應用的處理並不高效：壹是叠代式算法，這在圖應用和機器學習領域很常見；二是交互式數據挖掘工具。
這兩種情況下，將數據保存在內存中能夠極大地提高性能。為了有效地實現容錯，RDD提供了壹種高度受限的***享內存，即RDD是只讀的，並且只能通過其他RDD上的批量操作來創建。盡管如此，RDD仍然足以表示很多類型的計算，包括MapReduce和專用的叠代編程模型（如Pregel）等。
RDD是只讀的、分區記錄的集合。RDD只能基於在穩定物理存儲中的數據集和其他已有的RDD上執行確定性操作來創建。這些確定性操作稱之為轉換，如map、filter、groupBy、join（轉換不是程開發人員在RDD上執行的操作）。
RDD不需要物化。RDD含有如何從其他RDD衍生（即計算）出本RDD的相關信息（即Lineage），據此可以從物理存儲的數據計算出相應的RDD分區。
RDD作為數據結構，本質上是壹個只讀的分區記錄集合。壹個RDD可以包含多個分區，每個分區就是壹個dataset片段。RDD可以相互依賴。如果RDD的每個分區最多只能被壹個Child RDD的壹個分區使用，則稱之為narrowdependency；若多個ChildRDD分區都可以依賴，則稱之為widedependency。
不同的操作依據其特性，可能會產生不同的依賴。例如map操作會產生narrowdependency，而join操作則產生widedependency。