关于spark1.5分区的问题

当数据量比较大的时候，通常会增加分区来提高并行度。在市面上一些spark书中（大部分基于spark1.2左右版本），数据读取后重新分区的RDD，如果之后计算会重复用到，需要通过persist缓存到内存或者磁盘中来避免重复计算。
写了一个从hbase中读数据，在分区，之后用count统计行数的例子来验证：
[mw_shl_code=scala,true]  //从hbase读数据，200G，默认分区30
  val hrdd = sc.newAPIHadoopRDD(configuration, classOf[TableInputFormat],
    classOf[org.apache.hadoop.hbase.io.ImmutableBytesWritable],
    classOf[org.apache.hadoop.hbase.client.Result])

  //重新分区1000个
  val hrddre = hrdd.repartition(1000)
  
  //对一个RDD进行4次action动作
  hrddre.count()
  hrddre.count()
  hrddre.count()
  hrddre.count()[/mw_shl_code]

理论上来讲，spark是惰性计算的，没有persist缓存时，每次count都会从hbase重新读取，分区，在计算。但是，通过spark web监控可以看到，再进行第二次count时，跳过了读取和分区的stage，直接进行分区shuffle后的stage：


猜想，在第一次count分区shuffle时，磁盘上生成了许多shuffle写文件，在第二次count时，这些文件并没有删除，直接从这些文件fetch了，不用再重新读hbase再分区了？
如果是这样，是不是相当于做了persist(StorageLevel.DISK_ONLY)操作？

赞同楼主的观点，不过最好的验证方式还是看看代码