在Spark中，可以通过持久化(Persistence)和广播变量(Broadcast Variables)来避免每次构建RDD的开销。

1. 持久化RDD：可以使用persist()或cache()方法将RDD持久化到内存中，以便在后续的转换和操作中重复使用。这样可以避免每次需要重复计算RDD时重新构建RDD的开销。

示例代码：

# 构建RDD
rdd = sc.parallelize([1, 2, 3, 4, 5])

# 将RDD持久化到内存中
rdd.persist()

# 后续的转换和操作可以重复使用持久化的RDD
result = rdd.filter(lambda x: x > 2).map(lambda x: x * 2).collect()

2. 广播变量：可以使用broadcast()方法将需要广播的变量发送给所有的工作节点，以便在运行任务时避免每次构建RDD的开销。

示例代码：

# 构建广播变量
broadcast_var = sc.broadcast([1, 2, 3, 4, 5])

# 在任务中使用广播变量，而不是构建RDD
result = rdd.filter(lambda x: x in broadcast_var.value).collect()

通过持久化和广播变量，可以有效地避免每次构建RDD的开销，提高Spark应用的性能。