列举spark的算子，并简述功能

transformation算子

1.map(func)：返回一个新的RDD，该RDD由每个输入元素进过func函数转化后组成
scala是没有mapToPair函数的，scala版本只需要map就可以了
2.mapPartition(func)：类似于map，但是独立地在RDD的每个分片上运行，因此在类型为T的RD上运行时，func的函数类型必须是iterator[T]=>iterator[U]。假设有N个元素，有M个分区，那么map函数被调用N次，而mapPartition函数被调用M次，一个函数一次处理所有分区。
3.reduceByKey(func)：在一个的RDD上面调用，返回一个的RDD，使用给定的reduce函数，将相同key的值聚合到一起，reduce任务的个数可以通过第二个可选参数来设置，
底层基于combineByKeyWithClassTag实现的。
4.aggregateByKey(zeroValue: U, seqFunc: JFunction2[U, V, U], combFunc: JFunction2[U, U, U])：按照key将value进行分组合并，合并时，将每个value和初始值作为seqFunc的参数，进行计算，返回的结果作为新的对，然后再将结果按照key进行合并，最后将每个分组的value传递给combine函数进行计算(先将前两个value进行计算，将返回结果和下一个value传给combine函数，以此类推)，将key和结果作为新的输出。seqFunc属于分区内合并，combFunc属于分区间合并。
5.combineByKey(createCombiner: JFunction[V, C],mergeValue: JFunction2[C, V, C],mergeCombiners: JFunction2[C, C, C]):该算子会遍历分区中所有的元素，因此每个元素的键要么还没有遇到，要么就和之前的某个元素的键相同。如果是一个新元素，那么会调用createCombiner来创建那个键对应的累加器的初始值；如果该元素在分区里已经出现过，那么会调用mergeValue方法时该累加器的当前值和这个新的值合并；最后，会调动mergeCombiners方法来合并不同分区之间相同键的累加器的值。

注意：aggregateByKey和combineByKey底层都是用combineByKeyWithClassTag来实现的，aggregateByKey是对combineByKey的封装，简化了操作。尽量使用reduceByKey不用groupByKey，因为reduceByKey会在本地做下聚合，减少网络传输，而groupByKey会把所有数据做shuffle。

action算子

1.count
count()返回RDD中的元素数量。
2.take
从RDD返回n个元素。它试图减少它访问的分区数量，不能使用此方法来控制访问元素的顺序。
3.top
如果RDD中元素有序，那么可以使用top()从RDD中提取前几个元素。
4.reduce
将RDD的两个元素作为输入，然后生成与输入类型相同的输出，如加法运算。
5.collect
将整个RDD内容返回给driver端程序。
6.foreach / foreachPartition
对RDD的每个元素进行操作，常用存储RDD的元素。

问题：
1.aggregate和aggregateByKey的区别
aggregate是action类型的算子，而aggregateByKey是transformation类型的算子