当我们在 Spark 中缓存一个 RDD 时，它是以分布式方式存储还是在单个节点上？它存储在哪些系统内存中？
我知道
Mapper 的输出（中间数据）存储在每个单独的 Mapper 数据节点的本地文件系统（不是 HDFS）上。这通常是一个临时目录，可以由 Hadoop 管理员在配置中设置。一旦Mapper作业完成或数据传输到Reducer，这些中间数据将被清除并且无法再访问。
但是，我想知道映射器何时将其输出存储到本地硬盘？是不是因为数据太大，内存放不下？并且只有正在处理的数据保留在内存中？如果数据很小并且整个数据可以放入内存中，那么就不需要磁盘参与了吗？
一旦数据在mapper中处理后，我们是否可以不直接将数据从mapper移动到reducer而不涉及mapper m/c的硬盘。我的意思是，当数据在映射器中处理并且位于内存中时，一旦计算完毕，它就会直接传输到减速器，并且映射器可以类似地传递下一个数据块，而无需磁盘参与。
在spark中，据说有内存计算，这和上面有什么不同？是什么让 Spark 内存计算比 Map Reduce 更好？另外，在spark中，如果数据太大，就必须涉及磁盘？
请解释
请告诉我为什么在bash脚本中使用以下代码打印奇数会给出错误:
第3行:{1%2:语法错误:操作数预期(错误标记为"{1%2")
for i in {1 to 99}
do
rem=$(( $i % 2 ))
if [$rem -neq 0];
then
echo $i
fi
done