学习进度 2

继昨天完成 Spark 本地环境搭建并初步接触 Spark Shell 后，今天的学习重心放在了RDD 的核心操作逻辑上，还动手实现了大数据领域的入门经典案例 ——WordCount。今天的学习首先从区分 RDD 的两类核心操作开始。昨天在 Spark Shell 里敲过parallelize filter count这些命令，但当时没深究它们的区别。今天查资料才明白，RDD 的操作分为转换操作（Transformation） 和行动操作（Action） ，这是理解 Spark 运行机制的关键。转换操作是对 RDD 进行 “加工”，比如map（对每个元素做映射）、filter（过滤符合条件的元素）、flatMap（扁平化映射）、groupByKey（按 key 分组）。但转换操作是懒执行的—— 执行这些命令时，Spark 并不会立刻计算结果，只是记录下 RDD 之间的依赖关系，相当于画好了 “计算蓝图”。而行动操作是触发计算的 “开关”，比如count（统计元素个数）、collect（返回所有元素到 Driver 端）、saveAsTextFile（保存结果到文件）、reduce（聚合元素）。只有执行行动操作时，Spark 才会根据之前记录的依赖关系，从头开始计算，得到最终结果。