常用PySpark API（二）： partitionBy, cache, mapValues, sortBy的簡單用法

0. PairRDD的意思 PairRDD就是元素爲鍵值對的List轉化過來的RDD對象，例如 rdd_1就是一般的非pairRDD，rdd_2爲pairRDD對象，而有些SparkAPI操作是針對pairRDD對象的，例如後面將要介紹的mapValues()操作。 1. partitionBy()函數 rdd.partitionBy(int, function)，可以對RDD對象分區，第一個參數

>>阅读原文<<