"过滤"相关的操作：
flter:
设定一个判定结果为布尔型的过滤条件，应用到集合的每一个元素上，返回的是集合里所有满足条件的元素构成的一个子集。
partition：
filter类型操作的一个变种，同样是设定一个判定结果为布尔型的过滤条件，应用到集合的每一个元素上，返回的是第二个元素的Tuple，第一个元素是所有满足条件的元素构成的一个集合，第二个元素是所有不满足条件的元素构成的一个集合。
find：
filter类型操作的一个变种，同样是设定一个判定结果为布尔型的过滤条件，返回集合中满足条件的一个元素。
takeWhile：
filter类型操作的一个变种，同样是设定一个判定结果为布尔型的过滤条件，从集合的第一个元素开始，逐一判定元素是否符合条件，在遇到第一个不符合条件的元素后随即结束过滤，返回的结果就是集合中前N个连续满足条件的元素。
"映射"相关的操作：
map：
设定一个针对元素的"转换"操作，应用到集合的每一个元素上，返回的结果是每个元素被转换之后的新值组成的新集合。新的集合与旧集合大小一样，但元素都是更新的，甚至类型也会发生变化。
flatMap：
对于嵌套的集合(即集合中的元素还是集合)，如果我们希望把每一个嵌套的子集"转换"成一个新的子集，这时候就应该使用flatMap。
flatMap，不单单应用于集合，它代表着一种很普遍的操作：对于某种嵌套的数据结构，如果它的某个操作会把它的嵌套元素转化或产生出新嵌套元素，则最终产生的将是一个"二维"的数据结构，也就是嵌套元素本身也是一个嵌套元素，这通常会让这个产出的结果很不好用，一个必备的工作就是把这个"二维"的数据结构"压平"，重新拼接成一个一维的结构，这正是flatMap要做的事情。所以除了集合，Future也有这个方法，它就是在你使用map去转换它的underlying时返回的又恰巧是一个Future，那么这时你可以使用flatMap进行扁平化处理，得到的还是一个Future，而不是Future嵌套着Future。
"扁平化"相关的操作：
flatten：
在函数式编程里经常会出现嵌套的集合，我们需要频繁地把这种嵌套的结构"压"成"扁平"的单一集合，这个动作在函数式编程里叫"flatten"。即：将所有嵌套的结合的元素一一取出逐一放置到一个集合中。
"折叠"相关的操作
reduceLeft：
如果我们把集合看成是一张纸条，每一小段代表一个元素，那么reduceLeft就将这张纸条从左向右"折叠"，最前面的两个元素会首先"重叠"在一起，这时会使用传给reduceLeft的参数函数进行计算，返回的结果就像是已经折叠在一起的两段纸条，它们已经是一个叠加的状态了，所以它，也就是上次重叠的结果会继续做为一个单一的值和下一个元素继续"叠加"，直到折叠到集合的最后一个元素。
reduceRight：
同理，reduceRight就将这张纸条从右向左"折叠"。要留心reduceRight的地方是：它的操作方向是从右向左，但是参数的顺序却不是，而是依然第一参数是左边的元素，第二参数是右边的元素。
foldLeft：
与reduceLeft极为相似，只是它开始操作的第一个元素是以参数的形式传入的，而不是集合的第一个元素。
flodRight：
与reduceRight极为相似，只是它开始操作的第一个元素是以参数的形式 传入的，而不是集合的最后一个元素。