《Spark Streaming实时流式大数据处理实战》 ——3.3.2 Action操作

3.3.2  Action操作

　　不同于Transformation操作，Action操作代表一次计算的结束，不再产生新的RDD，将结果返回到Driver程序。所以Transformation操作只是建立计算关系，而Action操作才是实际的执行者。每个Action操作都会调用SparkContext的runJob方法向集群正式提交请求，所以每个Action操作对应一个Job。

* count():RDD[T]=>Long，返回数据集的元素个数。

* countByKey():RDD[T]=>Map[T,Long]，对(K,V)类型的RDD有效，返回一个(K，Int)对的Map，表示每一个key对应的元素个数。

* collect():RDD[T]=>Seq[T]，将所有数据集以数组的形式汇总在Driver节点，需要注意的是，如果数据集很大，会“撑爆”Driver节点的内存，所以通常需要做些filter操作后，将一个子数据集合并在Driver节点。

* reduce(f:(T,T)=>T) : RDD[T]=>T，该函数有点像斐波那契数列，会将RDD内部的数据集按照顺序两两合并，直到产生最后一个值为止，并将其返回。即首先合并前两个元素，将结果与第三个元素合并，以此类推。

* saveAsTextFile(path:String)，数据集内部的元素会调用其toString方法，转换为字符串形式，然后根据传入的路径保存成文本文件，既可以是本地文件系统，也可以是HDFS等。

* saveAsSequenceFile(path:String)，数据集内部的元素，以Hadoop序列化文件的格式（sequence file），保存到指定的目录下‘本地系统’HDFS或者任何Hadoop支持的文件系统中。该操作要求RDD数据由key-value对组成，并实现了Hadoop的Writable接口，或者隐式地可以转换为Writable的RDD。

* saveAsObjectFile(path:String)，利用Java的Serialization接口进行持久化操作，之后可以使用SparkContext.objectFile()重新load回内存。

* take(n)，将数据集的前n个元素提取出来，汇总到Driver节点，以数组的形式返回。

* takeSample(withReplacement, num, [seed])，与take类似，只不过该操作会根据num和seed进行随机采样数据元素，然后汇总成数组，其中withReplacement参数可以设置是否放回采样。

* takeOrdered(n, [ordering])，返回前n个元素，可以使用元素的自然顺序，也可以使用用户自定义comparator。

* first()，返回数据集中的第一个元素，等同于take(1)操作。

* foreach(func)，将函数func应用在数据集的每一个元素上，通常用于更新一个累加器，或者和外部存储系统进行交互，例如Redis。关于foreach，在后续章节中还会使用，到时会详细介绍它的使用方法及注意事项。