在PySpark中，map()变换与flatMap()变换在功能上有何不同？请说明它们各自的作用及使用场景。

回答思路

1. 【回答框架 1】map(func)对RDD或DataFrame的每一行应用函数func，每个输入项产生一个输出项，因此输出分区数量与输入相同，输出的RDD元素数量与输入一致。它适用于一对一的数据转换，比如从每行提取一个字段或进行简单映射。
2. 【回答框架 2】flatMap(func)同样对每个输入元素应用函数func，但func返回一个可迭代对象（如列表或迭代器），flatMap会将所有返回的迭代对象展平成一个RDD。因此，每个输入项可以产生零个或多个输出项，输出的元素总数可以不同于输入。它适用于一对多或过滤场景，比如拆分句子为单词。
3. 【回答框架 3】两者的核心区别在于输出粒度：map保持一对一，flatMap支持一对多。选择依据是：若需将每个输入映射为恰好一个输出，使用map；若需将一个输入展开为多个输出或删除某些元素，使用flatMap。
4. 【回答框架 4】性能方面，两者都是窄依赖转换，不会触发shuffle，但flatMap可能产生更多输出数据，影响后续阶段的计算量，需结合具体数据量和业务逻辑合理选择。
5. 【关键点 1】map(func)对每个输入项生成一个输出项，保持元素数量不变。
6. 【关键点 2】flatMap(func)对每个输入项返回可迭代对象并展平，可产生多个输出项。
7. 【关键点 3】map适用于一对一转换，flatMap适用于一对多或需要过滤的场景。
8. 【易错点 1】不要混淆flatMap与map的返回值，flatMap必须返回可迭代对象，否则会报错。
9. 【易错点 2】在DataFrame中使用flatMap时要注意，列结构可能变化，需正确指定输出类型。