RDD上的Transformation和Action
RDD支持两种类型的操作：transformations和actions。
Transformation是定义如何构建RDD的延迟操作。大多数转换都接受单个函数参数。所有这些方法都将一个数据源转换为另一个数据源。每当在任何RDD上执行转换时，都会生成一个新的RDD，如下图所示：
RDD是不可变的（只读的）数据结构，因此任何转换都会产生新的RDD。转换操作被延迟计算，我们称为“惰性转换”，这意味着Spark将延迟对被调用的操作的执行，直到采取action。当调用action操作将触发对它之前的所有转换的求值，它将向驱动程序返回一些结果，或者将数据写入存储系统，如HDFS或本地文件系统。
简而言之，RDD是不可变的，RDD转换是延迟计算的，RDD action是即时计算的，并触发数据处理逻辑的计算。而在RDD的内部实现机制中，底层接口则是基于迭代器的，从而使得数据访问变得更高效，也避免了大量中间结果对内存的消耗。
通过应用程序操作RDD与操作数据的本地集合类似。请看下面这个简单的代码：
val lines = sc.textFile("hdfs://path/to/the/file")
val filteredLines = lines.filter(line => line.contains("spark")).cache()
val result = filteredLines.count()
上面这段代码的意思是，从HDFS上加载指定的日志文件，找出包含单词"spark"的行数。其在内存中的计算和转换过程可用如下的图来表示：
（1）一个300MB的日志文件，分布式存储在HDFS上，如下图所示：
（2）调用这行代码，将其加载到分布式的内存中：
val lines = sc.textFile("hdfs://path/to/the/file")
（3）执行下面这行代码，过滤满足条件的行(即只包含单词"spark"的行)，这是原始数据集的一个子集，并将这个中间结果缓存到内存中：
val filteredLines = lines.filter(line => line.contains("spark")).cache()
（4）执行最后一行代码，统计过滤后的行数，返回给驱动程序Driver：
val result = filteredLines.count()
