• reduce(func)
    通过func函数聚集RDD中的所有元素，先聚合分区内数据，再聚合分区间数据
  • collect()案例
    作用：在驱动程序中，以数组的形式返回数据集的所有元素
  • count()案例
    作用：返回RDD中元素的个数
  • first()案例
    作用：返回RDD中的第一个元素
  • take(n)案例
    作用：返回一个由RDD的前n个元素组成的数组
  • takeOrdered(n)案例
    作用：返回该RDD排序后的前n个元素组成的数组
  • aggregate案例
    参数：(zeroValue: U)(seqOp: (U, T) ⇒ U, combOp: (U, U) ⇒ U)
    作用：aggregate函数将每个分区里面的元素通过seqOp和初始值进行聚合，然后用combine函数将每个分区的结果和初始值(zeroValue)进行combine操作。这个函数最终返回的类型不需要和RDD中元素类型一致。
  • fold(num)(func)
    作用：折叠操作，aggregate的简化操作，seqop和combop一样。
    需求：创建一个RDD，将所有元素相加得到结果
（1）创建一个RDD
scala> var rdd1 = sc.makeRDD(1 to 10,2)
rdd1: org.apache.spark.rdd.RDD[Int] = ParallelCollectionRDD[88] at makeRDD at <console>:24
（2）将该RDD所有元素相加得到结果
scala> rdd.fold(0)(_+_)
res24: Int = 55
  • saveAsTextFile(path)
    作用：将数据集的元素以textfile的形式保存到HDFS文件系统或者其他支持的文件系统，对于每个元素，Spark将会调用toString方法，将它装换为文件中的文本
  • saveAsSequenceFile(path)
    作用：将数据集中的元素以Hadoop sequencefile的格式保存到指定的目录下，可以使HDFS或者其他Hadoop支持的文件系统。
  • saveAsObjectFile(path)
    作用：用于将RDD中的元素序列化成对象，存储到文件中。
  • countByKey()案例
1. 作用：针对(K,V)类型的RDD，返回一个(K,Int)的map，表示每一个key对应的元素个数。
2. 需求：创建一个PairRDD，统计每种key的个数
（1）创建一个PairRDD
scala> val rdd = sc.parallelize(List((1,3),(1,2),(1,4),(2,3),(3,6),(3,8)),3)
rdd: org.apache.spark.rdd.RDD[(Int, Int)] = ParallelCollectionRDD[95] at parallelize at <console>:24
（2）统计每种key的个数
scala> rdd.countByKey
res63: scala.collection.Map[Int,Long] = Map(3 -> 2, 1 -> 3, 2 -> 1)
  • foreach(func)
    在数据集的每一个元素上，运行函数func进行更新