RDD操作

RDDs支持两种操作类型：转换和行动。

转换：从一个已存在的RDDs，创建一个新的数据集。

行动：在一个数据集中运行一个计算之后，返回一个值到驱动程序。

例如，map是一个转换操作，它通过一个函数传递每一个数据集元素，返回一个新的RDD来呈现结果。另一方面，reduce是一个行动操作，它通过一些函数，聚合RDD的所有元素，返回最后的结果到驱动程序（尽管也有一个并行的reduceByKey，它返回一个分布式数据集）。

在Spark中，所有的转换操作是惰性的，它们并不马上计算结果。相反，它们只是记住了转换发生在哪些数据集上（例如一个文件）。当且仅当,一个行动操作要求一个结果返回给驱动程序时,这些转换才会计算。这种设计使得Spark运行起来更有效率。例如，我们可以发现，通过map创建的数据集将会被reduce使用，并且仅仅返回reduce的结果给驱动程序，而不是更大的map的数据集。

默认情况下，每一个转换的RDD,在每次你在其之上运行行动操作的时候，可能会被重新计算。然而，你也可以使用persist（或cacahe）方法，把一个RDD持久化到内存，在这种情况下，Spark将会保持元素在整个集群中，在下次你要查询它的时候，能够更快的访问。也有支持持久化RDDs到磁盘上，或者跨越多个节点的副本。