学习spark：三、RDD的action操作_spark rdd action操作

本质上，Action通过SparkContext执行提交作业的runjob操作，触发了RDD DAG的执行。

reduce(func)
　　 将集合中的元素通过func函数合并起来，该函数应该是可交换，结合的，这样才能应用到并行计算中。

collect()
　　将数据中的元素返回为一个数组，这个函数通常用在filter等其他操作后。

count()
　　返回数据集中元素的个数

first()
　　返回数据集中的第一个元素

take(n)
　　返回数据集中前n个元素

takeSample(withReplacement, num, [seed])
　　按设定的采样个数进行采样

takeOrdered(n, [ordering])
　　返回前N个RDD中元素的自然顺序或自定义比较器

saveAsTextFile(path)
　　将数据集中的元素存储起来，存在给定的目录中的本地文件系统，或任何其他的Hadoop HDFS 支持的文件系统。Spark可以调用toString将每个元素以每行的形式存在文本中

savaAsSequenceFile(path)
　　将数据集中的RDD以Hadoop SequenceFile的形式存在给定路径本地的文件系统，HDFS或者其他任何Hadoop支持的文件系统中。这个对读取存在Hadoop中健值对十分有用。

saveAsObjectFile(path)
　　使用java序列化将数据集中的元素存储为一个简单的格式，我们可以通过SparkContext.objectFile()进行读取。

countBykey()
　　返回具有不同健的键值对的个数

foreach(func)
　　对RDD中的每个元素应用func函数，不返回RDD和Arry，而是返回Uint。