原文：https://cloud.tencent.com/developer/article/1085207
目录
一、分类
1、Value数据类型的Transformation算子，这种变换不触发提交作业，针对处理的数据项是Value型的数据。
2、Key-Value数据类型的Transformation算子，这种变换不触发提交作业，针对处理的数据项是Key-Value型的数据。
3、Action算子，这类算子会触发SparkContext提交作业。
二、Value型Transformation算子
1）map：map是对RDD中的每个元素都执行一个指定函数来产生一个新的RDD。任何原RDD中的元素在新RDD中都有且只有一个元素与之对应
2）flatMap：与map类似，将原RDD中的每个元素通过函数f转换为新的元素，并将这些元素放入一个集合，构成新的RDD
3）mapPartiions：mapPartitions是map的一个变种。map的输入函数应用于RDD中的每个元素，而mapPartitions的输入函数应用于每个分区，也就是把每个分区中的内容作为整体来处理的。
4）glom（形成一个Array数组）：将每个分区内的元素组成一个数组，分区不变
5）union：合并同一数据类型元素，但不去重。合并后返回同类型的数据元素
6）cartesian（笛卡尔操作）：对输入RDD内的所有元素计算笛卡尔积
7）groupBy（生成相应的key，相同的放在一起）
8）filter（过滤）
9）distinct（去重）
10）subtract（去掉含有重复的项）
11）sample（采样）
12）takesample
13）cache
14）persist
三、Key-Value型Transformation算子
处理数据类型为Key-Value的Transmation算子，大致可以分为三类： 1．输入输出分区1对1 2．聚集操作 3．连接
输入输出分区1对1
1）mapValues:顾名思义就是输入函数应用于RDD中KV（Key-Value）类型元素中的Value，原RDD中的Key保持不变，与新的Value一起组成新的RDD中的元素。因此，该函数只适用于元素为Key-Value对的RDD
聚集
1）combineByKey:与reduceByKey类似，相当于将元素（int, int）KV对变换为（int, Seq[int]）新的KV对
2）reduceByKey:对元素为KV对的RDD中Key相同的元素的Value进行reduce操作，即两个值合并为一个值。因此，Key相同的多个元素的值被合并为一个值，然后与原RDD中的Key组成一个新的KV对
3）partitionBy:根据KV对的Key对RDD进行分区
4）cogroup:一组强大的函数，可以对多达3个RDD根据key进行分组，将每个Key相同的元素分别聚集为一个集合
连接
1）join:本质是对两个含有KV对元素的RDD进行coGroup算子协同划分，再通过flatMapValues将合并的数据分散。
2）leftOutJoin:相当于在join基础上判断一侧的RDD是否为空，如果为空，则填充空，如果有数据，则将数据进行连接计算，然后返回结果。
3）rightOutJoin:相当于在join基础上判断一侧的RDD是否为空，如果为空，则填充空，如果有数据，则将数据进行连接计算，然后返回结果。
四、Actions算子
1）foreach: 是对RDD中的每个元素执行无参数的f函数，返回Unit。定义如下： def foreach(f: T => Unit)
2）saveAsTextFile:函数将RDD保存为文本至HDFS指定目录，每次输出一行。
3）saveAsObjectFile:将RDD分区中每10个元素保存为一个数组并将其序列化，映射为（null, BytesWritable（Y））的元素，以SequenceFile的格式写入HDFS
4）collect:将RDD分散存储的元素转换为单机上的Scala数组并返回，类似于toArray功能
5）collectAsMap:与collect类似，将元素类型为key-value对的RDD，转换为Scala Map并返回，保存元素的KV结构。
6）reduceByKeyLocally:先reduce，然后collectAsMap。
7）lookup:扫描RDD的所有元素，选择与参数匹配的Key，并将其Value以Scala sequence的形式返回
8）count:返回RDD中的元素个数。
9）top:返回RDD中最大/最小的K个元素。
10）reduce:对RDD中的所有元素进行reduceLeft操作。
11）fold:与reduce类似，不同的是每次对分区内的value聚集时，分区内初始化的值为zero value。
12）aggregate:允许用户对RDD使用两个不同的reduce函数，第一个reduce函数对各个分区内的数据聚集，每个分区得到一个结果。第二个reduce函数对每个分区的结果进行聚集，最终得到一个总的结果。aggregate相当于对RDD内的元素数据归并聚集，且这种聚集是可以并行的。而fold与reduced的聚集是串行的。