Spark用scala语言实现了RDD的API，程序开发者可以通过调用API对RDD进行操作处理。
下图为RDD的处理过程：
RDD经过一些列的“转换”操作，每一次转换都会产生不同的RDD，以供给下一次“转换”操作使用，直到最后一个RDD经过“行动”操作才会被真正计算处理，并输出到外部数据源中，若中间的数据结果需要复用，则可以进行缓存处理，将数据缓存到内存中。需要注意的是，RDD采用了惰性调用,即在RDD的处理过程中,真正的计算发生在 RDD的“行动”操作，对于“行动”之前的所有“转换”操作，Spark只是记录下“转换”操作应用的一些基础数据集以及RDD生成的轨迹(即RDD相互之间的依赖关系),而不会触发真正的计算处理。
接下来。将对“转换”操作和“行动”操作进行详细地讲解。
1.转换算子：
RDD处理过程中的“转换”操作主要用于根据已有的RDD创建新的RDD，每一次通过Transformation算子计算后都会返回一个新RDD，供给下一个转换算子使用。
（1）filter(func)
filter(func)操作会筛选处满足函数func的元素，并返回一个新的数据集。
从test.txt文件中加载数据的方式创建RDD，通过filter操作筛选出含Spark的数据，并组成一个新的RDD。
val lines = sc.textFile("file:///opt/test.txt") （注：路径自己创建即可。）
val lineWithSpark = lines.filter(line=>line.contains("spark"))
示例：
（2）map(func)
map(func)操作将每个元素传递到函数func中，并返回一个新的数据集。
示例：从test.txt文件中加载数据的方式创建RDD，通过map操作将文件的每一行内容都拆成一个个单词元素，并组成一个新的RDD。
val lines = sc.textFile("file:///opt/test.txt")
val words = lines.map(line=>line.split(" "))
（3）flatMap(func)
flatMap(func)与map(func)相似，但每个输入的元素都可以映射到0或者多个输出的结果。
示例：从test.txt文件中加载数据的方式创建RDD，通过flatmap操作将文件的每一行内容都拆成一个个单词元素，并组成一个新的RDD。
val lines = sc.textFile("file:///opt/test.txt")
val words = lines.flatMap(line=>line.split(" "))
（4）groupByKey(func)
groupByKey(func)主要用于(Key,Value)键值对的数据集，将用有相同的Key的Value进行分组，返回一个新的(Key,Iterable)形式的数据集。
示例：从test.txt文件中加载数据的方式创建RDD，通过groupByKey操作把(Key,Value)键值对类型的RDD按单词出现次数进行分组，并组成一个新的RDD。
val lines = sc.textFile("file:///opt/test.txt")
val words = lines.flatMap(line=>line.split(" "))
words.collect
val groupWords = words.groupByKey()
groupWords.collect
（5）reduceByKey
reduceByKey（）主要用于键值对的数据集，返回的是一个新的形式数据集，该数据集是每个Key传递给函数func进行聚合运算后得到的结果。
2 、行动算子行动算子主要是将在数据集上运行计算后的数值返回到驱动程序，从而触发真正的计算。
（1）count()：count()主要用于返回数据集中的元素个数
示例：有一个arrRdd需要统计arrRdd元素个数
val arrRdd = sc.parallelize(Array(1,2,3,4,5))
arrRdd.count()
（2）first()
first()主要用于返回数组的第一个元素
示例：有一个arrRdd需要获取arrRdd第一个元素
val arrRdd = sc.parallelize(Array(1,2,3,4,5))
arrRdd.first()
（3）take(n)take(n)主要用于以数组的形式返回数组集中的前n个元素(闭区间)
示例：有一个arrRdd需要获取arrRdd前3个元素
val arrRdd = sc.parallelize(Array(1,2,3,4,5))
arrRdd.take(3)
（4）reduce(func)
reduce(func)主要用于通过函数func(输入2个参数返回一个值)聚合数据集中的元素。
示例：有一个arrRdd需要对arrRdd元素进行聚合。
val arrRdd = sc.parallelize(Array(1,2,3,4,5))
arrRdd.reduce((a,b)=>a+b)
（5）collect()collect()主要用于以数组的形式返回数据集中的所有元素。
示例：有一个arrRdd需要返回arrRdd的所有元素
val arrRdd = sc.parallelize(Array(1,2,3,4,5))
arrRdd.collect()
（6）foreach(func)foreach(func)主要用于将数据集中的每个元素传递到函数func中运行。
示例：有一个arrRdd需要遍历出arrRdd元素
val arrRdd = sc.parallelize(Array(1,2,3,4,5))
arrRdd.foreach(x=>println(x))
好啦，关于RDD的“行动算子”和“转换算子”啊彬就讲到这里啦，谢谢大家！
