版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

大数据系列文章目录

官方网址：http://spark.apache.org/、https://databricks.com/spark/about

回顾

上篇文章介绍了Spark的一些重要函数，也是企业开发中比较常用的函数，有没看的小伙伴可以去了解下。

基本介绍

RDD中的函数有很多，不同业务需求使用不同函数进行数据处理分析，下面仅仅展示出比较常用的函数使用，更多函数在实际中使用体会，多加练习理解。

map 函数

对RDD中的每一个元素进行操作并返回操作的结果。

filter 函数

函数中返回True的被留下,返回False的被过滤掉。

flatMap 函数

对RDD中的每一个元素进行先map再压扁,最后返回操作的结果。

交集、并集、差集、笛卡尔积

数学集合中操作，类似Scala集合类Set中相关函数，注意类型要一致。

distinct 函数

对RDD中元素进行去重，与Scala集合中distinct类似。

first、 take、 top 函数

从RDD中获取某些元素，比如first为第一个元素， take为前N个元素， top为最大的N个元素。

keys、 values 函数

针对RDD中数据类型为KeyValue对时，获取所有key和value的值，类似Scala中Map集合。

mapValues 函数

mapValues表示对RDD中的元素进行操作,Key不变,Value变为操作之后。

collectAsMap 函数

当RDD中数据类型为Key/Value对时，转换为Map集合。

mapPartitionsWithIndex 函数

取分区中对应的数据时，还可以将分区的编号取出来，这样就可以知道数据是属于哪个分区的。

下回分解

通过一些函数的练习，帮助我们更好的理解函数，下篇文章将给小伙伴介绍下RDD的持久化，RDD如何缓存？什么时间释放缓存？等等。