Spark中已有含多存储选项的persist，为何还要使用cache？

其实cache就是persist的简化封装，Spark源码里cache()方法本质就是调用persist(StorageLevel.MEMORY_ONLY)，两者没有核心功能差异，使用cache的原因主要有这几点：

• 代码更简洁：如果你的场景刚好只需要将RDD/DataFrame持久化到内存（这是最常见的缓存场景），用cache()比写persist(StorageLevel.MEMORY_ONLY)要短很多，代码可读性也更高。
• 符合常规开发习惯：Spark早期版本就提供了cache方法，很多开发者已经形成了“内存缓存就用cache”的直觉，不需要特意去记StorageLevel的参数常量名。
• 语义更清晰：cache的字面意思就是“缓存”，对于只需要内存缓存的场景，用它能更直白地表达代码意图，不需要让其他阅读者去解读StorageLevel参数。

举个代码对比的例子：

// 用cache实现内存缓存
df.cache()

// 用persist实现等价的内存缓存
df.persist(StorageLevel.MEMORY_ONLY)

当然，如果需要更复杂的存储策略（比如内存+磁盘混合存储、序列化存储等），还是得用persist指定对应的StorageLevel，但对于绝大多数内存缓存的常规场景，cache足够用且更顺手。

内容的提问来源于stack exchange，提问作者ashish kosare