使用RDD什么算子可以完成对部门平均工资，人数，总工资，部门最大工资及最大工资对应姓名

可以使用`groupBy`和`map`算子来完成这个任务。具体做法如下：

1. 首先使用`groupBy`算子按照部门对员工进行分组，得到一个以部门为key，以员工信息为value的RDD。
2. 对于每个部门的员工信息，使用`map`算子来计算该部门的平均工资、总工资、人数、最大工资及最大工资对应姓名。
3. 最后，使用`reduceByKey`算子将所有部门的计算结果进行聚合，得到最终的结果RDD。

下面是示例代码：

// 假设员工信息的RDD为 empRdd，包含字段：姓名，部门，工资
val deptInfoRdd = empRdd.groupBy(emp => emp._2) // 按照部门分组
                         .mapValues(empList => {
                             val count = empList.size // 人数
                             val totalSalary = empList.map(_._3).sum // 总工资
                             val maxSalary = empList.map(_._3).max // 最大工资
                             val maxSalaryEmp = empList.find(_._3 == maxSalary).get._1 // 最大工资对应姓名
                             val avgSalary = totalSalary / count // 平均工资
                             (count, totalSalary, avgSalary, maxSalary, maxSalaryEmp)
                         })
val resultRdd = deptInfoRdd.reduceByKey((a, b) => (a._1 + b._1, a._2 + b._2, (a._3 + b._3) / 2, a._4 max b._4, if (a._4 > b._4) a._5 else b._5))

其中，`deptInfoRdd`是以部门为key，以部门员工信息（人数、总工资、平均工资、最大工资、最大工资对应姓名）为value的RDD；`resultRdd`是最终的结果RDD，以部门为key，以部门信息（人数、总工资、平均工资、最大工资、最大工资对应姓名）为value。