本文全部手写原创，请勿复制粘贴、转载请注明出处，谢谢配合！

Action操作和Transformation操作的区别

• 惰性求值：Action操作会触发实际的计算，而Transformation是没有触发实际计算的，是惰性求值的（见下一篇博客）

• 返回类型：Transformation操作是一个RDD转化为一个新的RDD，即返回RDD，而Action操作返回其他数据类型。

• 输出结果：Action操作会有实际结果的输出，向驱动器程序返回结果或者把结果写入外部系统。Transformation并无实际输出。

Action操作常用函数

• reduce(func) 根据函数规则对数据集进行整合

• count() 返回元素个数

• first() 返回第一个元素

• collect() 返回数据集所有元素，注意内存溢出问题，只有当你的整个数据集在单台机器中内存放得下时才使用

• top(n) 按默认或指定排序返回前n个元素，默认按降序

• take(n) 返回前n个元素

scala> val rdd = sc.parallelize(1 to 10)
rdd: org.apache.spark.rdd.RDD[Int] = ParallelCollectionRDD[51] at parallelize at <console>:24

scala> rdd.reduce(_+_)
res25: Int = 55

scala> rdd.count()
res26: Long = 10

scala> rdd.first()
res27: Int = 1

scala> rdd.collect()
res28: Array[Int] = Array(1, 2, 3, 4, 5, 6, 7, 8, 9, 10)

scala> rdd.take(5)
res29: Array[Int] = Array(1, 2, 3, 4, 5)

• saveAsTextFile(path) 存储最后结果到文件系统中
  scala> rdd.map(x=>(x,1)).saveAsTextFile("hdfs://master/user/out1")
  

• countByKey() 分别计算每个Key的个数

scala> val rdd = sc.parallelize(List(("spark",3),("spark",2),("hello",2)))
rdd: org.apache.spark.rdd.RDD[(String, Int)] = ParallelCollectionRDD[56] at parallelize at <console>:24

scala> rdd.countByKey()
res40: scala.collection.Map[String,Long] = Map(spark -> 2, hello -> 1)

• aggregate聚合函数

def aggregate[U](zeroValue: U)(seqOp: (U, T) ⇒ U, combOp: (U, U) ⇒ U)(implicit arg0: ClassTag[U]): U

意思是说，对于每个分区的元素，进行某种操作seqOp: (U, T) ⇒ U，然后聚合这些分区的元素，combOp: (U, U) ⇒ U，(zeroValue: U)是一个初始值。看案例解释比较清楚：

scala> val rdd = sc.parallelize(1 to 10,2)
rdd: org.apache.spark.rdd.RDD[Int] = ParallelCollectionRDD[49] at parallelize at <console>:24

scala> rdd.aggregate(1)((x,y)=>x+y,(a,b)=>(a*b))
res23: Int = 656

1,2,3,4,5,6,7,8,9,10分成了两个区

分区一：1,2,3,4,5 进行(x,y)=>x+y 注意有初始值1 即1+1+2+3+4+5=16

分区二：6,7,8,9,10 进行(x,y)=>x+y 注意有初始值1 即 1+6+7+8+9+10=41

对这两个分区的结果16和41 进行(a,b)=>ab 即1641=656

更多函数请参考spark API，看API永远是最好的学习方式没有之一。