在Spark中，RDD代表弹性分布式数据集(Resilient Distributed Dataset)，是Spark的核心概念之一。RDD是分布式内存中的不可变分区数据集，可以并行操作。

　　RDD是Spark提供的主要抽象，它允许将数据分布在集群中的多个节点上进行并行计算。RDD可以从存储在Hadoop HDFS(Hadoop Distributed File System)或其他存储系统中的数据集合中创建，也可以从一个已经存在的RDD转换而来。RDD是不可变的，也就是说，一旦创建就不能修改。如果要更改RDD的内容，必须通过转换操作创建一个新的RDD。

　　RDD支持两种类型的操作：转换操作和行动操作。转换操作是指将一个RDD转换成另一个RDD的操作，例如map、filter和reduce等操作;行动操作是指对RDD执行计算并返回结果的操作，例如count、collect和save等操作。

　　总之，RDD是Spark中的基本数据结构，提供了高效、可靠的数据处理和分析能力，是实现分布式计算的关键。