本节书摘来自华章出版社《循序渐进学Spark》一书中的第3章，第3.5节，作者 小象学院　杨　磊，更多章节内容可以访问云栖社区“华章计算机”公众号查看。

3.5　容错机制及依赖

一般而言，对于分布式系统，数据集的容错性通常有两种方式：

1） 数据检查点（在Spark中对应Checkpoint机制）。

2） 记录数据的更新（在Spark中对应Lineage血统机制）。

对于大数据分析而言，数据检查点操作成本较高，需要通过数据中心的网络连接在机器之间复制庞大的数据集，而网络带宽往往比内存带宽低，同时会消耗大量存储资源。

Spark选择记录更新的方式。但更新粒度过细时，记录更新成本也不低。因此，RDD只支持粗粒度转换，即只记录单个块上执行的单个操作，然后将创建RDD的一系列变换序列记录下来，以便恢复丢失的分区。

3.5.1　Lineage（血统）机制