1、repartition
官网定义：
随机地重新排列RDD中的数据以创建更多或更少的分区，并在整个分区之间保持平衡。这一定会在网络上产生大量Shuffle。
底层源码：
def repartition(numPartitions: Int)(implicit ord: Ordering[T] = null): RDD[T] = withScope { coalesce(numPartitions, shuffle = true) }
底层源码终究调用coalesce方法，但是参数sfuffle=true，这说明该算子必定会产生shuffle操作，在生产环境中慎用！！！
2、coalesce
官网定义：
将RDD中的分区数减少到numPartitions。 过滤大型数据集后，对于更有效地运行操作很有用。
使用方法：
coalesce方法与flilter方法合并使用。如果我们传入的参数为true，则会产生shuffle过程，如果传入参数为false，则不会产生shuffle过程
