RDD的transformaction算子官网直译

• map(func) -----> 映射(函数)

使用方法：
返回通过函数传递源的每个元素所形成的新的分布式数据集。函数.

• filter(func) -----> 过滤器(函数)

使用方法：
返回一个新的数据集，该数据集是通过选择其上的源元素而形成的。函数返回真。

• flatMap(func) -----> flatMap(函数)

使用方法：
类似于map，但每个输入项可以映射到0或多个输出项(如下函数应该返回一个Seq，而不是单个项)。

• mapPartitions(func) -----> map分区(函数)

使用方法：
类似于map，但在RDD的每个分区(块)上分别运行，因此函数在T类型的RDD上运行时，必须是Iterator=>Iterator类型。

• mapPartitionsWithIndex(func) -----> 地图划分与索引(函数)

使用方法：
类似于mapPartitions，但也提供了函数使用一个整数值表示分区的索引，因此函数在T类型的RDD上运行时，必须是类型(Int，Iterator)=>Iterator。

• sample(withReplacement, fraction, seed) -----> 样本(置换, 分馏, 种子)

使用方法：
样品a分数分馏使用给定的随机数生成器种子对数据进行替换或替换。

• union(otherDataset) -----> 联合(其他数据集)

使用方法：
返回一个新的数据集，该数据集包含源数据集中的元素和参数的合并。

• intersection(otherDataset) -----> 相交(其他数据集)

使用方法：
返回一个新的RDD，它包含源数据集中的元素和参数的交集。

• distinct([numPartitions])) -----> 独树一帜([非部分]))

使用方法：
返回包含源数据集的不同元素的新数据集。

• groupByKey([numPartitions]) -----> 群ByKey([非部分])

使用方法：
当调用(K，V)对的数据集时，返回(K，Iterable)对的数据集。
注：如果要对每个键进行分组以执行聚合(例如和或平均值)，则使用reduceByKey或aggregateByKey会产生更好的表现。
注：默认情况下，输出中的并行级别取决于父RDD的分区数。您可以传递一个可选的numPartitions参数设置不同数量的任务。

reduceByKey(func, [numPartitions]) -----> reduceByKey(函数, [非部分])

使用方法：
在(K，V)对的数据集上调用时，返回(K，V)对的数据集，其中每个键的值使用给定的约简函数进行聚合函数，其类型必须为(V，V)=>V。groupByKey，可以通过可选的第二个参数来配置减缩任务的数量。

• aggregateByKey(zeroValue)(seqOp, combOp, [numPartitions]) -----> 聚合ByKey(零值)(seqOp, 组合式, [非部分])

使用方法：
在(K，V)对的数据集上调用时，返回(K，U)对的数据集，其中每个键的值使用给定的组合函数和中性的“零”值进行聚合。允许与输入值类型不同的聚合值类型，同时避免不必要的分配。就像在groupByKey，可以通过可选的第二个参数来配置减缩任务的数量。

• sortByKey([ascending], [numPartitions]) -----> 索尔特-拜基([升序], [非部分])

使用方法：
在K实现有序的(K，V)对数据集上调用时，返回(K，V)对的(K，V)对按升序或降序排序的数据集，如布尔值中指定的那样ascending争论。

• join(otherDataset, [numPartitions]) -----> 加入(其他数据集, [非部分])

使用方法：
当调用类型为(K，V)和(K，W)的数据集时，返回(K，(V，W)对的数据集，其中包含每个键的所有元素对。外部连接通过leftOuterJoin, rightOuterJoin，和fullOuterJoin.

• cogroup(otherDataset, [numPartitions]) ----->亚细亚(其他数据集, [非部分])

使用方法：
当调用类型为(K，V)和(K，W)的数据集时，返回(K，(Iterable，Iterable)元组的数据集。此操作也称为groupWith.

• cartesian(otherDataset) ----->笛卡尔集(其他数据集)

使用方法：
当调用类型为T和U的数据集时，返回(T，U)对(所有元素对)的数据集。

• pipe(command, [envVars]) ----->管(命令, [envVars])

使用方法：
通过shell命令(例如Perl或bash脚本)调用RDD的每个分区。RDD元素被写入进程的stdin，输出到其stdout的行作为字符串的RDD返回。

• coalesce(numPartitions) ----->聚结(非部分)

使用方法：
将RDD中的分区数减少到numPartitions。在筛选大型数据集之后，对于更有效地运行操作非常有用。

• repartition(numPartitions) ----->重新分区(非部分)

使用方法：
随机重组RDD中的数据，以创建更多或更少的分区，并在它们之间进行平衡。这总是对网络上的所有数据进行洗牌。

• repartitionAndSortWithinPartitions(partitioner) ----->重新划分和SortWithinPartitions(分割器)

使用方法：
根据给定的分区器重新划分RDD，并在每个得到的分区中，根据它们的键对记录进行排序。这比调用repartition然后在每个分区内进行排序，因为它可以将排序推入洗牌机器。