aggregate操作
先对局部聚合，再对全局聚合
示例：val rdd1 = sc.parallelize(List(1,2,3,4,5), 2)
查看每个分区中的元素：
将每个分区中的最大值求和，注意：初始值是0；
如果初始值时候10，则结果为：30，因为在局部操作和全局操作的时候都要计算初始值
如果是求和，注意：初始值是0：
如果初始值是10，则结果是：45
一个字符串的例子：
val rdd2 = sc.parallelize(List("a","b","c","d","e","f"),2)
修改一下刚才的查看分区元素的函数
def func2(index: Int, iter: Iterator[(String)]) : Iterator[String] = {
iter.toList.map(x => "[partID:" + index + ", val: " + x + "]").iterator
}
两个分区中的元素：
[partID:0, val: a], [partID:0, val: b], [partID:0, val: c],
[partID:1, val: d], [partID:1, val: e], [partID:1, val: f]
运行结果：
更复杂一点的例子
val rdd3 = sc.parallelize(List("12","23","345","4567"),2)
rdd3.aggregate("")((x,y) => math.max(x.length, y.length).toString, (x,y) => x + y)
两个分区先计算出字符串的最大长度，然后合成字符串
结果可能是：”24”，也可能是：”42”，体现了并行化特点。
val rdd4 = sc.parallelize(List("12","23","345",""),2)
rdd4.aggregate("")((x,y) => math.min(x.length, y.length).toString, (x,y) => x + y)
结果是：”10”，也可能是”01”，
原因：注意有个初始值””，其长度0，然后0.toString变成字符串。值"0".toString的长度为0,"0".toString.length的长度为1 。分区可能为（“12”，“23”）和（“345”，“”）；初始值为""，然后初始值和“12”，“34”比较，或者是""和“345”比较，然后和“”比较。
math.min("".length, "12".length ) 的结果是：0 , math.min("0".length, "23".length ) 的结果是1
math.min("".length, "345".length) 的结果是：0 , math.min("0".length, "".length) 的结果是：0
val rdd5 = sc.parallelize(List("12","23","","345"),2)
rdd5.aggregate("")((x,y) => math.min(x.length, y.length).toString, (x,y) => x + y)
结果是：”11”，原因如下：
math.min("".length, "12".length ) 的结果是：0 , math.min("0".length, "23".length ) 的结果是：1
math.min("".length, "".length) 的结果是：0 , math.min("0".length, "345".length) 的结果是：1
注意：值"0".toString的长度为0,"0".toString.length的长度为1