一些操作對所有類型的RDD都可以使用，而另一些操作只能在特殊的RDD類型使用。例如只有對於元素都是數字的RDD才能計算平均值。在下面的操作都是在RDD上通用的操作。
Transformations
map()
Map函數和MapReduce中的map意義相同，即返回一個新RDD，其元素是輸入RDD中元素，按照某個規則得到的新元素。輸入輸出的RDD中包含的元素是一一對應的。
例如下例中，將nums中的每個元素自乘。
nums = sc.parallelize([1, 2, 3, 4])
squared = nums.map(lambda x: x * x)flatmap()
有時需要讓RDD中的一個元素產生多個對應元素。如下例：
lines = sc.parallelize([“hello world”, “hi”])
words = lines.flatMap(lambda line: line.split(” “))filter()
返回一個新RDD，其元素是輸入RDD元素中符合過濾條件的那些元素。union()
返回一個包含兩個輸入RDD元素的新RDD。intersection()
返回一個新RDD，其元素是兩個輸入RDD元素的交集。subtract(）
返回一個新RDD，其元素是第一個輸入RDD的元素且不是第二個輸入RDD的元素。sample()
返回一個新RDD，其元素是輸入RDD元素中符合按規則sample出來的那些元素。
Actions
reduce()
Reduce函數和MapReduce中的Reduce意義相同，用於對RDD中的數據做聚合操作。例如：
rdd = sc.parallelize([1,2,3,4,5])
rdd.reduce(lambda a,b:a+b)
其中輸入參數爲兩個，輸出1個。a代表聚合結果，b代表RDD中的元素。a+b則表示a=a+b,即將RDD中的所有元素累加到a上，且a爲聚合的結果，15.count()
返回RDD元素的個數。collect()
有多種方式可以將RDD中的所有元素返回driver program，collect()是常用的一個。大家知道一個RDD的多個分區通常分佈在集羣中的各個節點內存裏，而collect()將這些分散的RDD分區數據全部傳回driver program所在的機器，合併後返回給driver program。
因此如果數據集很大，可能超過driver program所在機器的內存時，不建議使用collect()。take(n)
返回指定個數的RDD元素，返回的元素是隨機的。top()
默認安裝RDD中元素的順序返回一個元素，也可以使用比較函數來返回最大或最小的元素。aggregate()
和reduce類似，但可以返回不同類型的RDD。
另有一類常用的RDD，稱爲Pair RDD。Pair RDD的元素是一個key value pair組成的元組：
sc.parallelize([(“a”, 3), (“b”, 4), (“a”, 1)]）
這裏“a”爲key，1爲value。
Pair RDD很常用，因爲我們經常需要按照key對數據做聚合操作。這類RDD操作操作起來略有不同。例如下例，需要對key和value分別處理：
input=sc.parallelize([“1 test string”,”2 test a long string”])
pair = input.map(lambda x: (x.split(” “)[0], x))
result = pair.filter(lambda x: len(x[1]) < 15)
result.collect()
另外reduce的用法也有變化：
from operator import add
rdd = sc.parallelize([(“a”, 1), (“b”, 1), (“a”, 1)])
sorted(rdd.reduceByKey(add).collect())
返回結果：[(‘a’, 2), (‘b’, 1)]
上例需要注意的是，由於調用redueceByKey會導致Spark在各個分區上分別計算當前分區的聚合值，因此redueceByKey不會將結果返回給driver program，在它之後可調用collect()將結果彙總後返回給driver program。