一、Transformations转换算子
filter：过滤符合条件的记录数，true的保留、false的过滤
map：将RDD中的数据项，通过map中的函数映射变为一个新的元素（1进1出）
mapPartition：执行结果与map相同，但是可以一次遍历整个patition
mapPartitionWithIndex:类似于mapPartitions,除此之外还会携带分区的索引值
mapToPair:返回（k，v）格式的RDD
flatMap:对RDD中的数据项，先map再flat（1进多出）
flatMapToPair:对RDD中的数据项，先map再flat,在返回（k，v）格式的RDD
reduceByKey：将相同的Key根据逻辑进行处理
sample：抽样，传进一个比例值，可以选择传入参数决定是否有放回的抽样
sortBy/sortByKey：作用在K,V格式的RDD上，对Key进行升序或降序排序
join：作用在K,V格式的RDD上。根据K进行连接，对（K,V）join(K,W)返回（K,(V,W)）
leftOuterJoin：作用在K,V格式的RDD上。根据K进行连接，对（K,V）join(K,W)返回（K,(V,W)），左边中的key为主，只显示左边中存在的key值
rightOuterJoin：作用在K,V格式的RDD上。根据K进行连接，对（K,V）join(K,W)返回（K,(V,W)），右边中的key为主，只显示右边中存在的key值
fullOuterJoin：作用在K,V格式的RDD上。根据K进行连接，对（K,V）join(K,W)返回（K,(V,W)），两边的key值都显示
union：合并两个数据集。两个数据集的类型要一致。返回新的RDD的分区数是合并RDD分区数的总和
intersection:交集
subtract：差集
distinct：去重
cogroup：当调用类型（K,V）和（K，W）的数据上时，返回一个数据集（K，（Iterable,Iterable））
repartition:增加或减少分区。会产生shuffle
coalesce:常用来减少分区，第二个参数是减少分区的过程中是否产生shuffle。如果用来增加分区，必须设置为true
groupByKey：作用在K，V格式的RDD上。根据Key进行分组。作用在（K，V），返回（K，Iterable ）
zip：将两个RDD中的元素（KV格式/非KV格式）变成一个KV格式的RDD,两个RDD的个数必须相同
zipWithIndex:该函数将RDD中的元素和这个元素在RDD中的索引号（从0开始）组合成（K,V）对。
二、Action触发算子（行动算子）
count：返回数据集中的元素数，会在结果计算完成后返回到Driver端
countByKey: 作用到K,V格式的RDD上，根据Key计数相同Key的数据集元素
countByValue:根据数据集每个元素相同的内容来计数。返回相同内容的元素对应的条数
Collect：将计算结果回收到Driver端
foreach：循环遍历数据集中的元素，运行相应的逻辑
take：返回一个包含数据集前n个元素的集合take（n）
first：返回数据集中的第一个元素first=take（1）
foreachPartition：遍历的是一个patition上的数据
