Spark RDD内部提供了很多变换操作，可以使用对数据的各种处理。同时，针对KV类型的操作，对应的方法封装在PairRDDFunctions trait中，KV类的RDD可以被隐式转换成PairRDDFunctions类型。其中很多的操作，和传统的SQL语句中的操作是对应的，只是底层换成Spark的MR计算。
| 操作 | 解释 |
|---|---|
| map | 变换，将输入的每个元素进行响应操作，生成新的元素 |
| flatMap | 压扁，取出具有可迭代性质的组件中每个元素形成新的RDD |
| filter | 过滤，将符合条件的数据抽取出来 |
| reduceByKey | 按照key对value进行聚合，对KV类型的RDD进行操作 |
| groupBy | 按照特定操作进行分组，产生新RDD |
| mapPartitions | 对整个分区进行一次变换操作 |
| mapPartitionsWithIndex | 对整个分区进行一次变换操作对，携带分区索引信息 |
| union | 联合操作，将两个同型的RDD纵向合并，等价于sql union操 |
| intersect | 提取两个RDD的共同的元素 |
| distinct | 取出RDD集合中的重复元素，等价于SQL中distince查询 |
| groupByKey | 按照key对value进行分组，针对KV类型RDD进行操作 |
| aggregateByKey | 按照key进行聚合，可以改变类型 |
| join | shuffle，按照key连接，等价于sql的连接操作 |
| leftOuterJoin | 左外链接，按照key进行连接，等价于SQL的left outer join |
| rightOuterJoin | 右外链接，按照key进行连接，等价于SQL的right outer join |
| fullOuterJoin | 全外链接，按照key进行连接，等价于SQL的full outer join |
| cogroup | 协分组，对两个rdd的value进行聚合成二元组 |
| cartesian | 笛卡尔积，交叉连接 |
| repartition | 再分区,不论是增加还是减少分区，都需要shuffle过程 |
| coalesce | 改变分区，需要携带shuffle=true参数来控制是否需要 |
原文：https://www.cnblogs.com/xupccc/p/9543987.html