lines = sc.textFile('路径')    #.textFile()，将路径里的文件化作rdd元素

lines.foreach(print)       #打印每个rdd

array = 【列表】
lines = sc.parallelize(array)  #parallelize将列表元素转为rdd

rdd转换操作：
filter（function） #过滤出满足function的内容，并返回一个新的数据集（rdd）
map（function） #将每个元素传递到函数function中，并返回一个新的数据集（rdd）
flatmap（function） #‘扁平化’操作，与map()类似，但每个输入元素输出多个结果
groupByKey（） #针对rdd元素为（k,v）类型的数据，返回一个（k,Iterable）的数据集，【Iterable是v1,v2,v3......，即K相同时，v的集合】
reduceByKey（function） #针对rdd元素为（k,v）类型的数据，返回一个新（k,v）的数据集，【K相同时，v代入function函数，聚合后成新的v】


#注意：
function一般是指 lambda x: x+12   #这种匿名函数
print(lines.collect())  #返回的是rdd元素，但是，是列表形式

rdd行动操作：
count（） #返回数据集中的元素个数
collect（） #以数组（列表）的形式返回数据集中的所有元素
first（）  #返回数据集中第一个元素
take（n） #以数组（列表）的形式返回数据集中前n个元素
reduce（function） #聚合数据集中的元素（一般是匿名函数 lambda x,y : x+y）聚合数据集中元素
foreach（function） #将数据集中每一个元素传递到function中运行


rdd键值对（k,v）：
reduceByKey（function）
groupByKey（）
keys      #返回数据集的k
values   #返回数据集的v
sortByKey（）#依据k进行排序，False表示降序排序，Ture表示升序排序
sortBy（function） #可根据function进行排序，例如sortby( lambda x : x[1] , False）即依据v进行排序
mapValue（function） #对键值对中每个v都应用一个function函数，但是key不会变化
join（） #内连接，连接两个数据集（k,v1）（k,v2），最终得到（k,(v1,v2)）类型数据集【注意：存在两个数据集存在相同的k才能会输出】