Spark主要提供了兩種函數(shù)：parallelize和makeRDD：
1）parallelize的聲明：
def parallelize[T: ClassTag](
seq: Seq[T],
numSlices: Int = defaultParallelism): RDD[T]

2）makeRDD的聲明：
def makeRDD[T: ClassTag](

seq: Seq[T],
numSlices: Int = defaultParallelism): RDD[T]
def makeRDD[T: ClassTag](seq: Seq[(T, Seq[String])]): RDD[T]

3）區(qū)別：

A）makeRDD函數(shù)比parallelize函數(shù)多提供了數(shù)據(jù)的位置信息。
B）兩者的返回值都是ParallelCollectionRDD，但parallelize函數(shù)可以自己指定分區(qū)的數(shù)量，而makeRDD函數(shù)固定為seq參數(shù)的size大小。

一樣的，你看SparkContext的API里面這么說(shuō)的：
def makeRDD[T](seq: Seq[T], numSlices: Int = defaultParallelism)(implicit arg0: ClassTag[T]): RDD[T]
Distribute a local Scala collection to form an RDD.
This method is identical to parallelize.