Apache Spark 是一个开源的数据处理框架，支持分布式数据计算。在 Spark 中，数据通常被以 RDD（弹性分布式数据集） 的形式存储，通过 Transformation（转换）算子 和 Action（行动）算子 进行处理。
Transformation算子
这些算子用于创建新的 RDD，操作是惰性计算，仅在后续 Action 算子调用时执行。
1. map(func)：对每个元素应用一个函数，返回应用后的结果集。
2. filter(func)：过滤满足条件的元素。
3. flatMap(func)：允许每个元素映射到多个输出元素。
4. mapPartitions(func)：对每个分区应用一个函数，返回一个迭代器。
5. mapPartitionsWithIndex(func)：类似 mapPartitions，增加了分区索引。
6. mapWith(func)：对分区中的元素进行处理，接收分区索引的函数。
7. flatMapWith(func)：类似 flatMap，包含分区索引。
8. mapValues(func)：应用于键值对中值，保持原键。
9. flatMapValues(func)：映射每个值到多个输出。
10. sample(withReplacement, fraction, seed)：按照比例随机采样。
11. union(otherDataset)：返回当前 RDD 与另一个 RDD 的并集。
12. intersection(otherDataset)：返回两个 RDD 的交集。
13. distinct([numTasks])：去重处理。
14. groupByKey([numTasks])：对键值对的值进行分组。
Action算子
通过触发实际计算并返回最终结果。
1. reduce(func)：合并 RDD 中的元素。
2. collect()：将 RDD 中的元素拉回到本地。
3. count()：计算 RDD 中的元素数量。
4. first()：返回第一个元素。
5. take(n)：获取前 n 个元素。
6. takeSample(withReplacement, n, seed)：返回一个随机采样。
7. takeOrdered(n, key=None)：返回排序后的前 n 个元素。
8. saveAsTextFile(path)：将 RDD 保存到文件。
9. saveAsSequenceFile(path)：将 RDD 存储为序列文件。
10. saveAsObjectFile(path)：保存为对象文件。
11. countByKey()：统计每个键的数量。
12. foreach(func)：对每个元素应用一个函数。
以上操作使得 Spark RDD 提供了灵活而强大的数据处理方式。通过合理使用 Transformation 和 Action 算子，可以实现高效的分布式数据处理。