RDD（Resilient Distributed Dataset）是Spark中最基本的数据抽象，它代表一个不可变、可分区、元素集合。RDD可以并行计算，分布在集群中的多个节点上。RDD可以从Hadoop文件系统、HBase、Cassandra等数据源创建，也可以通过其他RDD的转换操作生成。RDD是Spark提供的一种高容错性的数据结构，即使在节点发生故障时也能够自动恢复。