Spark運算元分為兩大類，本文介紹Action類運算元。

（1）reduce運算元

按照官網的解釋，傳入的引數是一個函式，一個雙引數，返回值唯一的函式，建議，該函式是可交換的，是可聯合的，如此，才能實現正確的平行計算。

這裡的函式，我平時用過加法操作，最大值操作，最小值操作；記得大資料裡提過這個概念，諸如此類可以合併操作的函式，是最合適的，平均值類的，就不適用於此種操作了。

如上圖，使用並行化產生了一個運算元，然後reduce內傳入偏函式，最終生成結果如下：

此處操作，就類似於求和操作了；如果對於String型別的，則會實現拼接操作。

（2）Collect運算元

將資料集的所有元素，按照陣列的形式予以返回，該運算元通常用於對於資料集過濾或者進行其他操作後返回的足夠小的集合；我是通常用在Scala命令列互動中，能夠得到結果輸出。

（3）count運算元

這個簡單，顧名思義，返回資料集中元素的總數。

（4）first

返回資料集中的第一個元素，類似於take（1），注意，此處並未說明是否是有序的資料集；而且只能返回一個元素。

（5）take

這裡，可以傳入引數，返回的也是一個數組，就算是n=1，返回的也是一個僅有一個元素的陣列，同樣，對資料集的資料型別和是否有序沒有任何規定

（6）taksSample

類似於sample運算元，引數意義都相同，只是該操作會直接執行，返回從資料集中取出的隨機樣本

（7）takeOrdered

該方式，類似於take運算元，但是返回的元素按照自然序排序，或者自定義的比較器進行排序。

該運算元，重在於返回的是有序集合。

（8）saveAsTextFile

將資料集的所有元素，作為文字檔案，或者一系列問問本間，寫入本地檔案系統，HDFS或者其他Hadoop支援的檔案系統，對於其中的每個元素，Spark會呼叫toString方法，將其轉換為檔案中的一行文字。

常用於生成結果的儲存。

（9）foreach

foreach運算元，引數為傳入的函式，對於資料集中的每個元素，都實現該函式，有點類似於map，但是能夠返回結果。

（10）countByKey

只對於map型別的rdd有作用，說明很詳細，下附程式碼：

作為無參函式，只會記錄數量；與reduceByKey看起來相似，實則差距很大；上述程式碼返回結果：

（11）savaAsObjectFile

也是檔案儲存的方式，但是會用Java序列化的方式，按照簡單的格式把資料集內的每個元素寫入檔案，而對於這類檔案，使用objectFile方式進行載入，

（12）saveAsSequenceFile

同樣是儲存檔案的一種形式，但其只能針對key-value格式的資料起作用；在Scala中，也可以針對可以隱式轉換成Writable型別的資料起作用；在我開發程式碼的過程中，很少用這個，在此不詳細介紹了。