Transformation
1.map
map的輸入變換函數應用於RDD中所有元素，而mapPartitions應用於所有分區。區別於mapPartitions主要在於調用粒度不同。如parallelize（1 to 10， 3），map函數執行10次，而mapPartitions函數執行3次。
2.filter（function）
過濾操作，滿足filter內function函數爲true的RDD內所有元素組成一個新的數據集。如：filter（a == 1）。
3.flatMap（function）
map是對RDD中元素逐一進行函數操作映射爲另外一個RDD，而flatMap操作是將函數應用於RDD之中的每一個元素，將返回的迭代器的所有內容構成新的RDD。而flatMap操作是將函數應用於RDD中每一個元素，將返回的迭代器的所有內容構成RDD。
flatMap與map區別在於map爲“映射”，而flatMap“先映射，後扁平化”，map對每一次（func）都產生一個元素，返回一個對象，而flatMap多一步就是將所有對象合併爲一個對象。
4.mapPartitions（function）
區於foreachPartition（屬於Action，且無返回值），而mapPartitions可獲取返回值。與map的區別前面已經提到過了，但由於單獨運行於RDD的每個分區上（block），所以在一個類型爲T的RDD上運行時，（function）必須是Iterator<T> => Iterator<U>類型的方法（入參）。
5.mapPartitionsWithIndex（function）
與mapPartitions類似，但需要提供一個表示分區索引值的整型值作爲參數，因此function必須是（int， Iterator<T>）=>Iterator<U>類型的。
6.sample（withReplacement， fraction， seed）
採樣操作，用於從樣本中取出部分數據。withReplacement是否放回，fraction採樣比例，seed用於指定的隨機數生成器的種子。（是否放回抽樣分true和false，fraction取樣比例爲(0, 1]。seed種子爲整型實數。）
7.union（otherDataSet）
對於源數據集和其他數據集求並集，不去重。
8.intersection（otherDataSet）
對於源數據集和其他數據集求交集，並去重，且無序返回。
9.distinct（[numTasks]）
返回一個在源數據集去重之後的新數據集，即去重，並局部無序而整體有序返回。（詳細介紹見
https://blog.csdn.net/Fortuna_i/article/details/81506936）
注：之後groupByKey、reduceByKey、aggregateByKey、sortByKey、join、cogroup等Transformation操作均包含[numTasks]任務數這個參數，參考上一行鏈接理解。
注：之後要用到很多對pairRDD進行的操作，在此添加pairRDD簡易創建過程。
10.groupByKey([numTasks])
在一個PairRDD或（k,v）RDD上調用，返回一個（k,Iterable<v>）。主要作用是將相同的所有的鍵值對分組到一個集合序列當中，其順序是不確定的。groupByKey是把所有的鍵值對集合都加載到內存中存儲計算，若一個鍵對應值太多，則易導致內存溢出。
在此，用之前求並集的union方法，將pair1，pair2變爲有相同鍵值的pair3，而後進行groupByKey
11.reduceByKey（function，[numTasks]）
與groupByKey類似，卻有不同。如(a,1), (a,2), (b,1), (b,2)。groupByKey產生中間結果爲( (a,1), (a,2) ), ( (b,1), (b,2) )。而reduceByKey爲(a,3), (b,3)。
reduceByKey主要作用是聚合，groupByKey主要作用是分組。（function對於key值來進行聚合）
12.aggregateByKey（zeroValue）（seqOp， combOp， [numTasks]）
類似reduceByKey，對pairRDD中想用的key值進行聚合操作，使用初始值（seqOp中使用，而combOpenCL中未使用）對應返回值爲pairRDD，而區於aggregate（返回值爲非RDD）
13.sortByKey（[ascending], [numTasks]）
同樣是基於pairRDD的，根據key值來進行排序。ascending升序，默認爲true，即升序；numTasks
14.join（otherDataSet，[numTasks]）
加入一個RDD，在一個（k，v）和（k，w）類型的dataSet上調用，返回一個（k，（v，w））的pair dataSet。
15.cogroup（otherDataSet，[numTasks]）
合併兩個RDD，生成一個新的RDD。實例中包含兩個Iterable值，第一個表示RDD1中相同值，第二個表示RDD2中相同值（key值），這個操作需要通過partitioner進行重新分區，因此需要執行一次shuffle操作。（若兩個RDD在此之前進行過shuffle，則不需要）
16.cartesian（otherDataSet）
求笛卡爾乘積。該操作不會執行shuffle操作。
17.pipe（command，[envVars]）
通過一個shell命令來對RDD各分區進行“管道化”。通過pipe變換將一些shell命令用於Spark中生成的新RDD，如：
（借圖，莫怪^_^）
18.coalesce（numPartitions）
重新分區，減少RDD中分區的數量到numPartitions。
19.repartition（numPartitions）
repartition是coalesce接口中shuffle爲true的簡易實現，即Reshuffle RDD並隨機分區，使各分區數據量儘可能平衡。若分區之後分區數遠大於原分區數，則需要shuffle。
20.repartitionAndSortWithinPartitions（partitioner）
該方法根據partitioner對RDD進行分區，並且在每個結果分區中按key進行排序。
Action
1.reduce（function）
reduce將RDD中元素兩兩傳遞給輸入函數，同時產生一個新值，新值與RDD中下一個元素再被傳遞給輸入函數，直到最後只有一個值爲止。
2.collect（）
將一個RDD以一個Array數組形式返回其中的所有元素。（具體內容參見：
https://blog.csdn.net/Fortuna_i/article/details/80851775）
3.count（）
返回數據集中元素個數，默認Long類型。
4.first（）
返回數據集的第一個元素（類似於take(1)）
5.takeSample（withReplacement， num， [seed]）
對於一個數據集進行隨機抽樣，返回一個包含num個隨機抽樣元素的數組，withReplacement表示是否有放回抽樣，參數seed指定生成隨機數的種子。
該方法僅在預期結果數組很小的情況下使用，因爲所有數據都被加載到driver端的內存中。
6.take（n）
返回一個包含數據集前n個元素的數組（從0下標到n-1下標的元素），不排序。
7.takeOrdered（n，[ordering]）
返回RDD中前n個元素，並按默認順序排序（升序）或者按自定義比較器順序排序。
8.saveAsTextFile（path）
將dataSet中元素以文本文件的形式寫入本地文件系統或者HDFS等。Spark將對每個元素調用toString方法，將數據元素轉換爲文本文件中的一行記錄。
若將文件保存到本地文件系統，那麼只會保存在executor所在機器的本地目錄。
9.saveAsSequenceFile（path）（Java and Scala）
將dataSet中元素以Hadoop SequenceFile的形式寫入本地文件系統或者HDFS等。（對pairRDD操作）
10.saveAsObjectFile（path）（Java and Scala）
將數據集中元素以ObjectFile形式寫入本地文件系統或者HDFS等。
11.countByKey（）
用於統計RDD[K,V]中每個K的數量，返回具有每個key的計數的（k，int）pairs的hashMap。
12.foreach（function）
對數據集中每一個元素運行函數function。
補充：Spark2.3及之後的官方文檔中將原[numTasks]任務數參數改爲了[numPartitions]分區數。