我正在阅读here中的spark
有一次，博客上写道：
假设有一个应用程序希望对语料库中每个单词的出现次数进行计数，并将结果作为Map拉入驱动程序。一种方法是在每个分区计算本地Map，然后在驱动程序中合并Map，这种方法可以使用aggregateByKey实现。另一种方法是以完全分布式的方式执行计数，然后简单地将结果collectAsMap到驱动程序。
因此，根据我的理解，所描述的两种方法是：
方法一：
1.在每个执行器中为创建散列Map
1.从驱动程序上的所有执行器收集密钥1并进行聚合
1.从驱动程序上的所有执行器收集密钥2并进行聚合
等等等等
这就是问题所在，我不认为这种方法1会出现在spark中，除非用户下定决心要这么做，并开始使用collect和filter在驱动程序上逐个键地获取数据，然后在驱动程序上编写代码来合并结果
方法2（我认为这是在spark中经常发生的事情，除非你使用groupBy，其中合并器不运行。这是典型的reduceBy机制）：
1.在Map端计算第一级聚合

1. Shuffle
   1.根据步骤1中的所有部分聚合结果计算第二级聚合
   这使我相信我误解了方法1和作者想说的话。你能帮助我理解引用文本中的方法1是什么吗？