1、mapPartitionsWithIndex
把每个partition中的分区号和对应的值拿出来
接收一个函数参数：
第一个参数：分区号
第二个参数：分区中的元素
示例：将每个分区中的元素和分区号打印出来。
val rdd1 = sc.parallelize(List(1,2,3,4,5,6,7,8,9), 2)
创建一个函数返回RDD中的每个分区号和元素：
def func1(index:Int, iter:Iterator[Int]):Iterator[String] ={
iter.toList.map( x => "[PartID:" + index + ", value=" + x + "]" ).iterator}
调用：rdd1.mapPartitionsWithIndex(func1).collect
2、aggregate
先对局部聚合，再对全局聚合
示例：val rdd1 = sc.parallelize(List(1,2,3,4,5), 2)
查看每个分区中的元素：
将每个分区中的最大值求和，注意：初始值是0；
如果初始值时候10，则结果为：30
如果是求和，注意：初始值是0：
如果初始值是10，则结果是：45
一个字符串的例子：
val rdd2 = sc.parallelize(List("a","b","c","d","e","f"),2)
修改一下刚才的查看分区元素的函数
def func2(index: Int, iter: Iterator[(String)]) : Iterator[String] = {
iter.toList.map(x => "[partID:" + index + ", val: " + x + "]").iterator
}
两个分区中的元素：
[partID:0, val: a], [partID:0, val: b], [partID:0, val: c],
[partID:1, val: d], [partID:1, val: e], [partID:1, val: f]
运行结果：
更复杂一点的例子
val rdd3 = sc.parallelize(List("12","23","345","4567"),2)
rdd3.aggregate("")((x,y) => math.max(x.length, y.length).toString, (x,y) => x +
y)
结果可能是：”24”，也可能是：”42”
val rdd4 = sc.parallelize(List("12","23","345",""),2)
rdd4.aggregate("")((x,y) => math.min(x.length, y.length).toString, (x,y) => x +
y)
结果是：”10”，也可能是”01”，
原因：注意有个初始值””，其长度0，然后0.toString变成字符串
val rdd5 = sc.parallelize(List("12","23","","345"),2)
rdd5.aggregate("")((x,y) => math.min(x.length, y.length).toString, (x,y) => x +
y)
结果是：”11”，原因同上。
3、aggregateByKey
准备数据：
val pairRDD = sc.parallelize(List( ("cat",2), ("cat", 5), ("mouse", 4),("cat",
12), ("dog", 12), ("mouse", 2)), 2)
def func3(index: Int, iter: Iterator[(String, Int)]) : Iterator[String] = {
iter.toList.map(x => "[partID:" + index + ", val: " + x + "]").iterator
}
两个分区中的元素：
示例：
将每个分区中的动物最多的个数求和
scala> pairRDD.aggregateByKey(0)(math.max(_, _), _ + _).collect
res69: Array[(String, Int)] = Array((dog,12), (cat,17), (mouse,6))
将每种动物个数求和
scala> pairRDD.aggregateByKey(0)(_+_, _ + _).collect
res71: Array[(String, Int)] = Array((dog,12), (cat,19), (mouse,6))
这个例子也可以使用：reduceByKey
scala> pairRDD.reduceByKey(_+_).collect
res73: Array[(String, Int)] = Array((dog,12), (cat,19), (mouse,6))
4、coalesce与repartition
都是将RDD中的分区进行重分区。
区别是：coalesce默认不会进行shufflfflffle（false）；而repartition会进行shufflfflffle（true），即：会将数据真正通过网络进行重分区。
示例：
def func4(index: Int, iter: Iterator[(Int)]) : Iterator[String] = {
iter.toList.map(x => "[partID:" + index + ", val: " + x + "]").iterator
}
val rdd1 = sc.parallelize(List(1,2,3,4,5,6,7,8,9), 2)
下面两句话是等价的：
val rdd2 = rdd1.repartition(3)
val rdd3 = rdd1.coalesce(3,true) --->如果是false，查看RDD的length依然是2
5、其他高级算子
http://homepage.cs.latrobe.edu.au/zhe/ZhenHeSparkRDDAPIExamples.html
