r语言filter函数取不到行是为什么
cad两个图元之间无法圆角是什么意思？
cad两个图元之间无法圆角是什么意思？
cad里面无法倒圆角，是圆角设置过大引起的。
cad里面，如果尖锐的角度需要变成圆滑的圆角，就需要用到倒角功能里面的圆角功能。filter就是倒角功能，然后用二级命令r就可以倒圆角了。当你输入r命令的时候，系统会问你，倒圆角半径是多少，如果你输入半径过大，就会产生无法倒圆角的情况。碰到这种情况，如果不是很熟悉cad，就先输入一个比较小的数值，比如50，100，如果觉得圆角太小了，再慢慢调整。
如何用通俗形象的语言解释下：Spark中的RDD到底是什么意思？
rdd是spark的灵魂，中文翻译弹性分布式数据集，一个rdd代表一个可以被分区的只读数据集。rdd内部可以有许多分区(partitions)，每个分区又拥有大量的记录(records)。
RDD本身就是一个Berkeley的博士们在写论文时，抽象出的概念，其本质与Hadoop MapReduce处理时输入输出的key-value，Flink的dataset没有本质区别。处理时，任然使用iterator一边载入部分数据，一边执行运算（每个partition的实现内部实际就是一个iterator）。
我个人认为，如果要通俗的解释RDD，第一步可以简单的把它想象成一个数组／列表，我们可以用迭代器类的东东遍历它，可以分片，可以打散；第二步，可以找一些例子，看些接口文档，毕竟直接以列表来理解还是优点偏差的；再之后，当用例子了解了功能后，可以更进一步的阅读下它的原理。rdd的算子主要分成2类，action和transformation。也就是变换以及一些操作。
关于rdd的特征，摘录下知乎上答友的一部分：
rdd的五个特征：
dependencies:建立RDD的依赖关系，主要rdd之间是宽窄依赖的关系，具有窄依赖关系的rdd可以在同一个stage中进行计算。
partition：一个rdd会有若干个分区，分区的大小决定了对这个rdd计算的粒度，每个rdd的分区的计算都在一个单独的任务中进行。
prefered locations:按照“移动数据不如移动计算”原则，在spark进行任务调度的时候，优先将任务分配到数据块存储的位置。
compute：spark中的计算都是以分区为基本单位的，compute函数只是对迭代器进行复合，并不保存单次计算的结果。
partitioner：只存在于（K,V）类型的rdd中，非（K,V）类型的partitioner的值就是None。