Spark 算子

Spark的算子的分类

从大方向来说，Spark 算子大致可以分为以下两类:

Transformation 变换/转换算子：这种变换并不触发提交作业，完成作业中间过程处理。Transformation 操作是延迟计算的，也就是说从一个RDD 转换生成另一个 RDD 的转换操作不是马上执行，需要等到有 Action 操作的时候才会真正触发运算。

Action 行动算子：这类算子会触发 SparkContext 提交 Job 作业。
Action 算子会触发 Spark 提交作业（Job），并将数据输出 Spark系统。

从小方向来说，Spark 算子大致可以分为以下三类:

Value数据类型的Transformation算子，这种变换并不触发提交作业，针对处理的数据项是Value型的数据。

Key-Value数据类型的Transfromation算子，这种变换并不触发提交作业，针对处理的数据项是Key-Value型的数据对。

Action算子，这类算子会触发SparkContext提交Job作业。

简单来说

转换算子：将一个RDD转换成另一个RDD, 转换算子是懒执行，需要一个action算子来触发执行

操作算子：触发任务执行，一个action算子会触发一次任务执行, 同时每一个ation算子都会触发前面的代码执行

action算子

action算子的返回值不是一个rdd, 每一个action算子都会触发一个job执行
foreach:循环RDD
saveAsTextFile:保持数据
count：统计行数
collect:将rdd转换成集合
take:取top
reduce:全局聚合
sum:求和，rdd必须可以求和