有状态转化操作
UpdateStateByKey：用于在DStream中跨批次维护状态，构建由(键，状态)对组成的新DStream。使用时需定义状态及状态更新函数，前者可为任意数据类型，后者明确如何基于新事件和之前状态更新。代码中，通过 updateFunc 实现对单词计数的累加更新，将当前批次值累加并与之前状态值相加。同时，使用 updateStateByKey 需配置检查点目录保存状态，保障状态信息的持久化和可恢复性，适用于需追踪历史数据的场景，如实时统计单词出现总数。
Window Operations：通过设置窗口时长和滑动步长动态获取当前Streaming的状态。窗口时长规定计算内容的时间范围，滑动步长决定计算触发频率，且二者必须是采集周期的整数倍。代码示例中，利用 reduceByKeyAndWindow 函数对单词计数进行窗口计算，每12秒计算一次，每6秒滑动一次窗口，可用于实时分析一段时间内数据的变化趋势，如统计一段时间内热门词汇的出现频率。
DStream输出操作：DStream输出操作决定对流数据转化结果的处理方式。若未执行输出操作，相关DStream不会求值，StreamingContext也无法启动。
print()：在驱动节点打印DStream每批次数据的前10个元素，方便开发调试时快速查看数据处理中间结果。
文件存储操作：包括 saveAsTextFiles 、 saveAsObjectFiles 和 saveAsHadoopFiles ，分别以文本文件、Java对象序列化的SequenceFiles和Hadoop文件形式存储数据，文件名包含前缀、时间戳和可选后缀，便于按批次存储和管理数据。
foreachRDD(func)：最通用的输出操作，可对每个RDD执行任意计算，常用于将数据写入外部系统。但要注意避免在driver层面创建连接，否则会因序列化问题出错；也不应在 foreach 中为每条数据创建连接，这样资源消耗大。推荐在 foreachPartition 中创建连接，提升效率 。
