给一段代码，说明spark中transformation与action的关系

在Spark中，`Transformation` 和 `Action` 是两个核心概念，它们之间的关系是这样的：

**Transformation (转换)**：它是一个无副作用的操作，意味着它不会改变原始数据集，而是创建一个新的数据集。例如，`map()`、`filter()`、`reduceByKey()`、`join()` 等都是Transformation例子。在 Spark 缓存机制下，一旦进行了 Transformation，数据会被存储在内存或磁盘上，以便后续复用。

**Action (动作)**：当你调用 Action 函数时，如 `collect()`、`count()`、`write()` 或 `save()`，会触发 Spark 对数据的实际处理。Action 会产生一些可见的结果，并且每次运行都会导致整个任务图从头开始执行，除非该任务已经缓存在内存中。Action 通常是数据处理流程的终点，用于查看、验证或持久化数据结果。

在编写Spark程序时，通常会有多个Transformation，形成一个任务链（DAG，Directed Acyclic Graph），直到最后一个Action才会真正启动数据的计算。这样做可以有效地复用中间结果，避免重复工作，并尽可能利用集群资源。

示例代码：

rdd = sc.textFile("input.txt") // 创建一个RDD (Resilient Distributed Dataset)
filtered_rdd = rdd.filter(lambda x: "example" in x) // Transformation
transformed_count = filtered_rdd.count() // Action: 获取过滤后字符串的数量

# 这里，`filtered_rdd` 是一个 Transformation，而 `transformed_count` 是一个 Action。只有当 `transformed_count` 被求值时，整个任务才会被执行。