Spark RDD（Resilient Distributed Datasets）是Spark中最基本的数据结构，具有以下特点：
1. 分布式存储：RDD将数据分布式存储在集群中的多个节点上，可以在多个节点上并行处理数据。
2. 不可变性：RDD是不可变的数据结构，一旦创建就不能修改，只能通过转换操作生成新的RDD。
3. 弹性容错：RDD具有弹性容错机制，即在节点故障时可以自动恢复，保证数据的可靠性和处理的连续性。
4. 惰性计算：RDD采用惰性计算机制，即只有在需要输出结果时才会进行计算，可以避免不必要的计算和数据传输。
5. 支持多种数据源：RDD可以从多种数据源中创建，如HDFS、本地文件系统、HBase、Cassandra等。
6. 支持多种操作：RDD支持多种转换操作和行动操作，如map、filter、reduce、count等，可以完成各种复杂的数据处理任务。
总之，Spark RDD是Spark中最基本的数据结构，具有分布式存储、不可变性、弹性容错、惰性计算、支持多种数据源和操作等特点，是实现高效大规模数据处理的关键。
