Spark cache和 checkpoint的区别是什么？

他俩的区别是：

1、cache:内存，不会截断血缘关系，触发cache后面的行动算子时，计算结果被缓存在计算节点的内存中。cache底层调用的是persist,但只有memory_only一个缓存级别。
2、checkpoint：磁盘，截断血缘关系，执行到ck时，会额外启动一个job，将checkpoint之前的RDD缓存到HDFS上面。ck必须在第一个action算子之前做，否则不会生效。

由于cache保存在内存中不能保证数据的安全性，所以不能作为数据的来源。而checkpoint是保存在分布式节点当中，保存在磁盘，理论上不会丢失，所以他可以切断血缘关系，直接作为后续RDD的数据源头，而cache不可以。
checkpoint之前先cache，对RDD执行checkpoint之前，最好对这个RDD先执行cache，这样新启动的job只需要将内存中的数据拷贝到HDFS上就可以，避免额外提交一次job。