一个非常简单的例子是rdd.foreach(print)，它将打印RDD中每一行的值，但不以任何方式修改RDD。
例如，这将生成一个包含数字1 - 10的RDD：

>>> rdd = sc.parallelize(xrange(0, 10)).map(lambda x: x + 1)
>>> rdd.take(10)
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

map调用为每一行计算一个新值，并返回，这样我就得到了一个新的RDD，但是，如果我使用foreach，它将是无用的，因为foreach不会以任何方式修改RDD：

>>> rdd = sc.parallelize(range(0, 10)).foreach(lambda x: x + 1)
>>> type(rdd)
<class 'NoneType'>

相反，在返回None（如print）的函数上调用map并不是很有用：

>>> rdd = sc.parallelize(range(0, 10)).map(print)
>>> rdd.take(10)
0
1
2
3
4
5
6
7
8
9
[None, None, None, None, None, None, None, None, None, None]

print调用返回None，所以Map只给你一堆None值，你不需要这些值，也不想保存它们，所以返回它们是浪费。（注意1，2，等是正在执行的print，因为RDD是延迟执行的，所以它们直到调用take时才会出现，但是RDD的内容只是一堆None。
更简单地说，如果你关心函数的返回值，就调用map;如果你不关心，就调用foreach。

Map是一种转换，因此当您执行一个map时，您可以对RDD中的每个元素应用一个函数，并返回一个新的RDD，在其中可以调用其他转换或操作。
Foreach是一个动作，它接受每个元素并应用一个函数，但不返回值。这在你必须调用RDD执行一些计算并在其他地方记录结果时特别有用，例如数据库或调用API处理RDD中的每个元素。
例如，假设您有一个RDD，其中包含许多您希望登录到另一个系统的查询，这些查询存储在RDD中。

queries = <code to load queries or a transformation that was applied on other RDDs>

然后，您需要通过调用另一个API将这些查询保存在另一个系统中

import urllib2

def log_search(q):
    response = urllib2.urlopen('http://www.bigdatainc.org/save_query/' + q)

queries.foreach(log_search)

现在您已经在RDD的每个元素上执行了log_query，如果您已经完成了Map，那么在您调用一个操作之前，什么也不会发生。