Spark常用算子reduceByKey与groupByKey的区别，哪一种更有优势？

reduceByKey 和 groupByKey 都存在shuffle的操作，但

1. reduceByKey： 按照key进行聚合，在shuffle之前对分区内相同 key 的数据进行combine（预聚合）操作，这样会减少落盘的数据量，返回结果是RDD[k,v]；
2. 而groupByKey： 只是按照key进行分组，直接进行shuffle；
3. 所以，reduceByKey的性能要比groupByKey高。
4. 但是在实际开发中需要注意 具体的业务逻辑 ：因为reduceByKey 包含分组和聚合的功能。而groupByKey 只能分组，不能聚合，所以在分组聚合的场合下，推荐使用reduceByKey，如果仅仅是分组而不需要聚合。那么还是只能使用groupByKey。