- first、take、collect、count、top、takeOrdered、foreach、fold、reduce、countByValue、lookup

---

• 演算法解釋
  

1. first：返回第一個元素
2. take：rdd.take(n)返回第n個元素
3. collect：rdd.collect() 返回 RDD 中的所有元素
4. count：rdd.count() 返回 RDD 中的元素個數
5. top：按照降序的或者指定的排序規則，返回前n個元素
6. takeOrdered：對RDD元素進行升序排序,取出前n個元素並返回，也可以自定義比較器（這裡不介紹），類似於top的相反的方法
7. foreach：迴圈RDD中的每個元素
8. fold：rdd.fold(num)(func) 一般不用這個函式和 reduce() 一 樣， 但是提供了初始值num,每個元素計算時，先要合這個初始值進行摺疊, 注意，這裡會按照每個分割槽進行fold，然後分割槽之間還會再次進行fold
9. reduce：並行整合RDD中所有資料， 類似於是scala中集合的reduce
10. countByValue：各元素在 RDD 中出現的次數 返回{(key1,次數),(key2,次數),…(keyn,次數)}
11. Lookup函式對（Key，Value）型的RDD操作，返回指定Key對應的元素形成的Seq。 這個函式處理優化的部分在於，如果這個RDD包含分割槽器，則只會對應處理K所在的分割槽，然後返回由（K，V）形成的Seq。 如果RDD不包含分割槽器，則需要對全RDD元素進行暴力掃描處理，搜尋指定K對應的元素。
    

---

• scala程式碼

  var arrays = Array(1,2,3,4,5,6)
  var arrayRDD = sc.parallelize(arrays)
  println("first:" + arrayRDD.first())
  println("take:" + arrayRDD.take(2).mkString(","))
  println("takeOrdered:" + arrayRDD.takeOrdered(2).mkString(","))
  println("fold:" + arrayRDD.fold(2)((x, y) => x + y))
  println("collect:" + arrayRDD.collect().mkString(","))
  println("count:" + arrayRDD.count())
  println("top:" + arrayRDD.top(3).mkString(","))
  println("reduce:" + arrayRDD.reduce((x, y) => x + y))
  println("countByValue:" + arrayRDD.countByValue())
  var rdd1 = sc.parallelize(List((1, "a"), (2, "b"), (3, "c")))
  println("lookup:" + rdd1.lookup(2))
   
  

---

• 過濾結果

  first:1
  take:1,2
  takeOrdered:1,2
  fold:27
  collect:1,2,3,4,5,6
  count:6
  top:6,5,4
  foreach:123456
  countByValue:Map(5 -> 1, 1 -> 1, 6 -> 1, 2 -> 1, 3 -> 1, 4 -> 1)
  lookup:WrappedArray(b)
  

---