写五个转换算子和五个动作算子并介绍用法

以下是Spark中的五种常见转换算子和五种动作算子，以及它们的用法：

### 转换算子（Transformation Operations）：
1. **map**: 对每个元素应用指定的函数，如`map(f)`. 例如，将字符串列表的所有元素转为大写。

   words_rdd = sc.parallelize(["hello", "world"])
   upper_words_rdd = words_rdd.map(lambda x: x.upper())

2. **filter**: 通过条件过滤出满足要求的元素，如`filter(p)`. 例如，筛选出长度大于5的单词。

   filtered_rdd = words_rdd.filter(lambda x: len(x) > 5)

3. **flatMap**: 类似于`map`，但它可以处理集合返回值，展开其中的所有元素，如`flatMap(func)`.

   words_rdd.flatMap(lambda x: x.split(" "))  # 分割每个单词成单个字符

4. **reduceByKey**: 对具有相同键的元素应用二元操作，汇总成键值对，如`reduceByKey(func, [assoc])`.

   word_counts = words_rdd.reduceByKey(lambda a, b: a + b, associative=True)

5. **groupBy**: 按照键进行分组，每个键关联其所在分区的所有元素，如`groupBy(keyfunc)`.

   grouped_rdd = words_rdd.groupBy(lambda x: x[0])

### 动作算子（Action Operations）：
1. **count**: 计算RDD中的元素数。

   word_count = words_rdd.count()

2. **collect**: 将整个RDD的内容收集到driver进程，适合小规模数据。

   all_words = words_rdd.collect()

3. **sum**: 返回所有元素的求和，适用于数值型数据。

   total_length = words_rdd.map(len).sum()

4. **first**: 获取第一个元素。

   first_word = words_rdd.first()

5. **saveAsTextFile**: 将RDD保存为文本文件。

   words_rdd.saveAsTextFile("output/path")

记住，动作算子会触发计算，而转换算子只是修改RDD视图，不会立即计算。理解这两者的差异对于优化Spark应用程序性能至关重要。