这里我们主要分析一下 在Spark中创建RDD时候数据是如何分区的。
以一个集合数据为例：val listRdd = sc.makeRDD(List(1,2,3,4))点进makeRDD方法
makeRDD方法有两个参数：
Seq：传入的序列
numSlices：切片数，没有制定的会有默认的defaultParallelism，默认的切片数与本机的内核数有关
点进parallelize方法，在点 getPartitions方法里的slice方法
slice方法的逻辑：1.如果传入的numSlices<1 则抛出异常
2.position方法：一个循环里面计算每个切片的 起始位置
start = (i*length)/numSlices)
end = ((i+1)length)/numSlices
这里假设 我们创建一个 List（1，2，3，4）的RDD，分区数为 3 即：val listRdd = sc.makeRDD(List(1,2,3,4)，numSlices = 3)
i=0: start = (04)/3 =0
end = ((0+1)4)/3 = 1
i=1: start = (14)/3 =1
end = ((1+1)4)/3 = 2
i=2: start = (24)/3 =2
end = ((2+1)*4)/3 = 4
所以分区的数区间为 （0，1：1（1，2）：2（2，4）：3，4 左闭右开
