spark不存储和 RDD 默认情况下。相反，它采用了懒惰的评估机制。简单地说，spark RDD 沿袭，创建dag，在遇到操作之前不会执行任何转换。你可以阅读这篇文章来了解更多的细节。
至于两者的区别 cache() 以及 persist() ，摘自本文：
缓存和持久化都用于保存spark-rdd、dataframe和dataset。但是，区别在于，rdd cache（）方法默认将其保存到内存（仅限于内存），而persist（）方法用于将其存储到用户定义的存储级别。 cache() 以及 persist() 都是一样的，唯一不同的是 cache() 存储级别仅为内存，并且 persist() 可以同时具有内存和磁盘存储级别。所以呢 cache() 和打电话一样 persist() 使用默认存储级别。
在哪里使用 cache() 在哪里使用 persist() ，这取决于场景。本文将帮助您在何处使用缓存，只需在以下情况下缓存：
迭代机器学习应用中的rdd重用
独立spark应用程序中的rdd重用
当rdd计算非常昂贵时，缓存可以帮助减少一个或多个执行器失败时的恢复成本
作为示例，您可以查看pagerank示例。

...
lines = sc.textFile(sys.argv[1], 1)

# Loads all URLs from input file and initialize their neighbors.

links = lines.map(lambda urls: parseNeighbors(urls)).distinct().groupByKey().cache()

# Loads all URLs with other URL(s) link to from input file and initialize ranks of them to one.

ranks = links.map(lambda (url, neighbors): (url, 1.0))

# Calculates and updates URL ranks continuously using PageRank algorithm.

for iteration in xrange(int(sys.argv[2])):
    # Calculates URL contributions to the rank of other URLs.
    contribs = links.join(ranks).flatMap(
        lambda (url, (urls, rank)): computeContribs(urls, rank))

    # Re-calculates URL ranks based on neighbor contributions.
    ranks = contribs.reduceByKey(add).mapValues(lambda rank: rank * 0.85 + 0.15)

...

在本例中，链接在 for 循环，这就是缓存它以避免重新计算的原因。
我希望这个答案能帮助你。