union算子对源RDD和参数RDD求并集后返回一个新的RDD

sortByKey算子在一个（K,V）的RDD上调用，K必须实现Ordered接口，返回一个按照key进行排序的（K,V）的RDD（） reduceByKey算子在一个（K，V）的RDD上调用，返回一个（K，V）的RDD，使用指定的reduce函数，将相同key的值聚合到一起 SparkRdd使用Transformation算子会销毁上一个rdd（） RDD的filter函数返回一个存储符合过滤条件的所有元素的新RDD。() RDD的sortBy函数包含参数numPartitions，该参数决定排序后的RDD的分区个数，默认排序后的分区个数和排序之前的个数相等，即为this.partitions.size。() spark中的rdd是一个（）数据集 RDD的flatMap操作是将函数应用于RDD之中的每一个元素，将返回的迭代器(数组、列表等)中的所有元素构成新的RDD。() Action是RDD的算子的一个类型，不可以将结果写入（） RDD的subtract用于用于将前一个RDD中在后一个RDD出现的元素删除。() RDD的subtract用于用于将前一个RDD 中在后一个RDD 出现的元素删除。() 请问RDD的()操作是根据键对两个RDD进行内连接 以下哪个函数可以求两个RDD差集 () RDD中join操作根据键对两个RDD进行内连接，将两个RDD 中键相同的数据的值相加。() RDD可以转化为DataFrames，但是DataFrames不能转化为RDD RDD的map操作不会改变RDD的分区数目。() RDD的filter过滤会将返回值为true的过滤掉。() DataFrame 和 RDD 最大的区别 Spark RDD是惰性求值的，如果需要对一个RDD多次使用，那么调用行动操作时每次都需要重复计算RDD以及它的依赖。() mapPartitions算子类似于map，但独立地在RDD的每一个分片上运行，因此在类型为T的RDD上运行时，func的函数类型必须是Iterator[T]=>Iterator[U] reduce动作算子通过func函数聚集RDD中的所有元素，这个功能必须是可交换且可并联的（）