1.RDD复用
在对RDD进行算子时，要避免相同的算子和计算逻辑之下对RDD进行重复的计算
对图中的架构进行修改就会得到以下的优化结果
2.RDD持久化
在Spark中，当多次对同一个RDD执行算子操作时，每一次都会对这个RDD的父RDD重新计算一次，这种情况是要避免的，对同一个RDD进行重复计算是对资源的极大浪费，因此，必须对多次使用的RDD进行持久化，通过持久化将公共的RDD数据缓存到磁盘/内存中，之后对于公共RDD的计算都会直接获取。
对于RDD的持久化，有两点需要说明
第一，RDD的持久化是可以进行序列化的，当内存无法将RDD的数据完整的进行存放的时候，可以考虑使用序列化的方式减小数据体积，将数据完整存储在内存中。
第二，如果对于数据的可靠性要求很高，并且内存充足，可以使用副本机制，对RDD数据进行持久化。当持久化启用了复本机制时，对于持久化的每个数据单元都存储一个副本，放在其他节点上面，由此实现数据的容错，一旦一个副本数据丢失，不需要重新计算，还可以使用另外一个副本。
3.RDD尽可能早的filter操作
获取到初始RDD后，应该考虑尽早地过滤掉不需要的数据，进而减少对内存的占用，从而提升Spark作业的运行效率。