行动
以下表格列出了一些常用的Spark支持的行动操作。详细信息，请参考RDD API文档(Scala, Java, Python, R)和 pair RDD 函数文档 (Scala, Java) .
| 行为 | 含义 |
|---|---|
reduce(func) |
使用函数func（带两个参数，返回一个）聚合数据集的元素。这个函数应该是交替且组合的，以致于能够被正确地并行计算。 |
collect() |
在驱动程序中，数据集的所有元素作为一个数组返回。在过滤或其他操作之后，要有效地返回数据的小部分子集，这是非常有用的。 |
count() |
返回数据集中元素的数量 |
first() |
返回数据集中的第一个元素（与take(1)类似） |
take(n) |
返回数据集中的前n个元素组成的数组 |
takeSample(withReplacement, num, [seed]) |
返回一个数据集中num个元素的随机样本数组，withReplacement指示是否需要替换，可选参数seed表示随机数产生的种子 |
takeOrdered(n, [ordering]) |
返回数据集的前n个元素，使用原生排序或一个用户自定义的比较器（comparator)。 |
saveAsTextFile(path) |
把数据集的元素作为一个文本文件（或文本文本集合）写入到一个本地文件系统，HDFS,或任何Hadoop支持的文件系统的指定目录下，Spark将对每个元素调用toString将其转换成文本文件里的一行。 |
saveAsSequenceFile(path) (Java and Scala) |
把数据集的元素作为一个序列文件写入到一个本地文件系统，HDFS,或任何Hadoop支持的文件系统的指定目录下。支持实现了Hadoop Writable接口的RDDs鍵值对。在Scala中，那些能够被隐式转换成Writable（Spark包括对基本类型的转换，像Int,Double,String等）的类型也是支持的。 |
saveAsObjectFile(path) (Java and Scala) |
使用Java序列化，把数据集的元素写入到一个简单的格式中，这个格式随后可以使用SparkContext.objectFile()来加载 |
countByKey() |
仅仅支持（K,V）类型的RDDs，返回一个（K,Int）的Hashmap,表示每个key对应的数量。 |
foreach(func) |
对数据集中的每个元素运行函数func。这通常会导致副作用，例如更新一个累加器（Accumulators）或与外部存储系统进行交互。注意：修改foreach()之外的变量（不是Accumulators)可能会导致未定义行为，如需更详细信息，请查看理解闭包。 |
Spark RDD API也有一些行动的同步版本，如foreach的foreachAsync，它会立即返回一个FutureAction给调用者，而不是阻塞行动的完成。这常用于对行动的同步执行进行管理或等待。