map(func)  地图（函数）

Returns a new distributed dataset, formed by passing each element of the source through a function func.
返回一个新的分布式数据集，该数据集是通过将源的每个元素传递到函数 func 而形成的。

filter(func)  过滤器（函数）

Returns a new dataset formed by selecting those elements of the source on which func returns true.
返回由选择 func 返回 true 的源元素形成的新数据集。

flatMap(func)  flatMap（函数）

Similar to map, but each input item can be mapped to 0 or more output items (so func should return a Seq rather than a single item).
与 map 类似，但每个输入项可以映射到 0 个或多个输出项（因此 func 应该返回一个 Seq 而不是单个项）。

mapPartitions(func)  mapPartitions（函数）

Similar to map, but runs separately on each partition (block) of the RDD, so func must be of type Iterator<T> ⇒ Iterator<U> when running on an RDD of type T.
与 map 类似，但在 RDD 的每个分区（块）上单独运行，因此在类型 T 的 RDD 上运行时， func 必须是 Iterator ⇒ Iterator 类型。

mapPartitionsWithIndex(func)
mapPartitionsWithIndex（函数）

Similar to map Partitions, but also provides func with an integer value representing the index of the partition, so func must be of type (Int, Iterator<T>) ⇒ Iterator<U> when running on an RDD of type T.
与 mapPartitions 类似，但也为 func 提供了一个表示分区索引的整数值，因此在 T 类型的 RDD 上运行时， func 必须是 (Int, Iterator) ⇒ Iterator 类型。

sample(withReplacement, fraction, seed)
样本（带替换、分数、种子）

Sample a fraction of the data, with or without replacement, using a given random number generator seed.
使用给定的随机数生成器种子，对数据的一部分进行采样（有或无替换）。

union(otherDataset)  联合（其他数据集）

Returns a new dataset that contains the union of the elements in the source dataset and the argument.
返回一个包含源数据集和参数中的元素的并集的新数据集。

intersection(otherDataset)
交集（其他数据集）

Returns a new RDD that contains the intersection of elements in the source dataset and the argument.
返回一个包含源数据集和参数中元素交集的新 RDD。

distinct([numTasks])

Returns a new dataset that contains the distinct elements of the source dataset.
返回包含源数据集的不同元素的新数据集。

groupByKey([numTasks])  groupByKey（[numTasks]）

When called on a dataset of (K, V) pairs, returns a dataset of (K, Iterable<V>) pairs.
当在 (K, V) 对的数据集上调用时，返回 (K, Iterable) 的数据集 <V>) 对。

Note − If you are grouping in order to perform an aggregation (such as a sum or average) over each key, using reduceByKey or aggregateByKey will yield much better performance.
注意 - 如果您进行分组以便对每个键执行聚合（例如总和或平均值），则使用 reduceByKey 或 aggregateByKey 将产生更好的性能。

reduceByKey(func, [numTasks])
reduceByKey（函数，[numTasks]）

When called on a dataset of (K, V) pairs, returns a dataset of (K, V) pairs where the values for each key are aggregated using the given reduce function func, which must be of type (V, V) ⇒ V. Like in groupByKey, the number of reduce tasks is configurable through an optional second argument.
当在 (K, V) 对的数据集上调用时，返回 (K, V) 对的数据集，其中每个键的值使用给定的 reduce 函数 func 进行聚合，该函数必须是 (V, V) ⇒ V 类型。与 groupByKey 一样，reduce 任务的数量可通过可选的第二个参数进行配置。

aggregateByKey(zeroValue)(seqOp, combOp, [numTasks])
aggregateByKey（zeroValue）（seqOp，combOp，[numTasks]）

When called on a dataset of (K, V) pairs, returns a dataset of (K, U) pairs where the values for each key are aggregated using the given combine functions and a neutral "zero" value. Allows an aggregated value type that is different from the input value type, while avoiding unnecessary allocations. Like in groupByKey, the number of reduce tasks is configurable through an optional second argument.
当在 (K, V) 对的数据集上调用时，返回一个 (K, U) 对的数据集，其中每个键的值使用给定的组合函数和一个中性的“零”值进行聚合。允许聚合值的类型与输入值的类型不同，同时避免不必要的内存分配。与 groupByKey 类似，reduce 任务的数量可以通过可选的第二个参数进行配置。

sortByKey([ascending], [numTasks])
sortByKey([升序]，[numTasks])

When called on a dataset of (K, V) pairs where K implements Ordered, returns a dataset of (K, V) pairs sorted by keys in ascending or descending order, as specified in the Boolean ascending argument.
当在 (K, V) 对的数据集上调用（其中 K 实现 Ordered）时，返回按键按升序或降序排序的 (K, V) 对的数据集，如布尔升序参数中指定的那样。

join(otherDataset, [numTasks])
加入（其他数据集，[numTasks]）

When called on datasets of type (K, V) and (K, W), returns a dataset of (K, (V, W)) pairs with all pairs of elements for each key. Outer joins are supported through leftOuterJoin, rightOuterJoin, and fullOuterJoin.
当调用 (K, V) 和 (K, W) 类型的数据集时，返回一个包含 (K, (V, W)) 对的数据集，其中包含每个键的所有元素对。外连接支持 leftOuterJoin、rightOuterJoin 和 fullOuterJoin。

cogroup(otherDataset, [numTasks])
cogroup（其他数据集，[numTasks]）

When called on datasets of type (K, V) and (K, W), returns a dataset of (K, (Iterable<V>, Iterable<W>)) tuples. This operation is also called group With.
当调用 (K, V) 和 (K, W) 类型的数据集时，返回 (K, (Iterable<V> ，可迭代 <W>)) 元组。此操作也称为 group With。

cartesian(otherDataset)  笛卡尔（其他数据集）

When called on datasets of types T and U, returns a dataset of (T, U) pairs (all pairs of elements).
当调用类型 T 和 U 的数据集时，返回 (T, U) 对（所有元素对）的数据集。

pipe(command, [envVars])  管道（命令，[envVars]）

Pipe each partition of the RDD through a shell command, e.g. a Perl or bash script. RDD elements are written to the process's stdin and lines output to its stdout are returned as an RDD of strings.
通过 shell 命令（例如 Perl 或 bash 脚本）将 RDD 的每个分区通过管道传输。RDD 元素将写入进程的标准输入 (stdin)，而输出到标准输出 (stdout) 的行将以字符串 RDD 的形式返回。

coalesce(numPartitions)  合并（numPartitions）

Decrease the number of partitions in the RDD to numPartitions. Useful for running operations more efficiently after filtering down a large dataset.
将 RDD 中的分区数减少到 numPartitions。这有助于在筛选大型数据集后更高效地运行操作。

repartition(numPartitions)
重新分区（numPartitions）

Reshuffle the data in the RDD randomly to create either more or fewer partitions and balance it across them. This always shuffles all data over the network.
随机重排 RDD 中的数据，以创建更多或更少的分区，并在它们之间实现数据平衡。此操作始终会通过网络重排所有数据。

repartitionAndSortWithinPartitions(partitioner)
repartitionAndSortWithinPartitions（分区器）

Repartition the RDD according to the given partitioner and, within each resulting partition, sort records by their keys. This is more efficient than calling repartition and then sorting within each partition because it can push the sorting down into the shuffle machinery.
根据给定的分区器对 RDD 进行重新分区，并在每个分区内按键对记录进行排序。这比调用 repartition 后再在每个分区内进行排序更高效，因为它可以将排序工作推到 shuffle 机制中。

reduce(func)  减少（函数）

Aggregate the elements of the dataset using a function func (which takes two arguments and returns one). The function should be commutative and associative so that it can be computed correctly in parallel.
使用函数 func （接受两个参数并返回一个参数）聚合数据集的元素。该函数应满足交换律和结合律，以便能够正确并行计算。

collect()  收集（）

Returns all the elements of the dataset as an array at the driver program. This is usually useful after a filter or other operation that returns a sufficiently small subset of the data.
在驱动程序中以数组形式返回数据集的所有元素。这通常在过滤或其他返回足够小的数据子集的操作之后很有用。

count()  数数（）

Returns the number of elements in the dataset.
返回数据集中的元素数量。

first()  第一的（）

Returns the first element of the dataset (similar to take (1)).
返回数据集的第一个元素（类似于 take(1)）。

take(n)  采取（n）

Returns an array with the first n elements of the dataset.
返回包含数据集前 n 个元素的数组。

takeSample (withReplacement,num, [seed])
takeSample（带替换，数字，[种子]）

Returns an array with a random sample of num elements of the dataset, with or without replacement, optionally pre-specifying a random number generator seed.
返回一个数组，其中包含数据集中 num 个元素的随机样本，可以替换或不替换，也可以选择预先指定随机数生成器种子。

takeOrdered(n, [ordering])
takeOrdered(n，[排序])

Returns the first n elements of the RDD using either their natural order or a custom comparator.
使用自然顺序或自定义比较器返回 RDD 的前 n 个元素。

saveAsTextFile(path)  保存为文本文件（路径）

Writes the elements of the dataset as a text file (or set of text files) in a given directory in the local filesystem, HDFS or any other Hadoop-supported file system. Spark calls toString on each element to convert it to a line of text in the file.
将数据集的元素以文本文件（或文本文件集）的形式写入本地文件系统、HDFS 或任何其他 Hadoop 支持的文件系统中的指定目录中。Spark 对每个元素调用 toString 方法，将其转换为文件中的一行文本。

saveAsSequenceFile(path) (Java and Scala)
saveAsSequenceFile(path)（Java 和 Scala）

Writes the elements of the dataset as a Hadoop SequenceFile in a given path in the local filesystem, HDFS or any other Hadoop-supported file system. This is available on RDDs of key-value pairs that implement Hadoop's Writable interface. In Scala, it is also available on types that are implicitly convertible to Writable (Spark includes conversions for basic types like Int, Double, String, etc).
将数据集元素以 Hadoop SequenceFile 格式写入本地文件系统、HDFS 或其他 Hadoop 支持的文件系统的指定路径。此功能适用于实现了 Hadoop Writable 接口的键值对 RDD。在 Scala 中，此功能也适用于可隐式转换为 Writable 的类型（Spark 包含对 Int、Double、String 等基本类型的转换）。

saveAsObjectFile(path) (Java and Scala)
saveAsObjectFile(path) （Java 和 Scala）

Writes the elements of the dataset in a simple format using Java serialization, which can then be loaded using SparkContext.objectFile().
使用 Java 序列化以简单格式写入数据集的元素，然后可以使用 SparkContext.objectFile() 加载。

countByKey()

Only available on RDDs of type (K, V). Returns a hashmap of (K, Int) pairs with the count of each key.
仅适用于 (K, V) 类型的 RDD。返回包含 (K, Int) 个键值对的哈希表，其中包含每个键值的计数。

foreach(func)  foreach（函数）

Runs a function func on each element of the dataset. This is usually, done for side effects such as updating an Accumulator or interacting with external storage systems.
对数据集的每个元素运行一个函数 func 。这通常是为了实现一些副作用，例如更新累加器或与外部存储系统交互。

Note − modifying variables other than Accumulators outside of the foreach() may result in undefined behavior. See Understanding closures for more details.
注意 ：在 foreach() 函数之外修改累加器以外的变量可能会导致未定义的行为。更多详情，请参阅理解闭包。