3.RDD的创建

第一：RDD实战
第二：RDD的transformation和Action
-------------------------------------------
RDD.scala(reduce(),map())
sparkContext.scala(runJob())

RDD的操作类型3种：transformation（获得算子）,action（执行操作）,controller(控制算子)

lazy级别，编译器可以有时间优化
collect()：收集结果到driver，变成数组，数组中存放的是Tuple会触发一个runJob
foreach():循环遍历每个元素，取出来当做新函数的参数
reduceByKey(_+_,1):第二个参数代表并行度，设置为1后，产生的结果为一个文件
shuffle和并行度没有任何关系
设置多少并行度就有多少partition，task代表了partition
partition数量的改变，是会影响了网络的开销