我們知道，在Spark中建立RDD的建立方式大概可以分為三種：（1）、從集合中建立RDD；（2）、從外部儲存建立RDD；（3）、從其他RDD建立。

　　而從集合中建立RDD，Spark主要提供了兩中函式：parallelize和makeRDD。我們可以先看看這兩個函式的宣告：

Spark提供了兩種建立RDD的方式：讀取外部資料集，以及在驅動器程式中對一個集合進行並行化。

在驅動器程式中對一個集合進行並行化的方式有兩種：parallelize()和makeRDD()。

1、parallelize()

def parallelize[T: ClassTag](
      seq: Seq[T],
      numSlices: Int = defaultParallelism): RDD[T] = withScope {
    assertNotStopped()
    new ParallelCollectionRDD[T](this, seq, numSlices, Map[Int, Seq[String]]())
  }
 

2、makeRDD()，有兩種重構方法，如下：

2.1、方法一：

/** Distribute a local Scala collection to form an RDD.
   *
   * This method is identical to `parallelize`.
   */
  def makeRDD[T: ClassTag](
      seq: Seq[T],
      numSlices: Int = defaultParallelism): RDD[T] = withScope {
    parallelize(seq, numSlices)
  }

 可以發現，該重構方法的實現就是呼叫parallelize()方法。

2.2、方法二：

/**
   * Distribute a local Scala collection to form an RDD, with one or more
   * location preferences (hostnames of Spark nodes) for each object.
   * Create a new partition for each collection item.
   */
  def makeRDD[T: ClassTag](seq: Seq[(T, Seq[String])]): RDD[T] = withScope {
    assertNotStopped()
    val indexToPrefs = seq.zipWithIndex.map(t => (t._2, t._1._2)).toMap
    new ParallelCollectionRDD[T](this, seq.map(_._1), math.max(seq.size, 1), indexToPrefs)
  }
 

註釋的意思為：分配一個本地Scala集合形成一個RDD，為每個集合物件建立一個最佳分割槽。

給出如下例子，可以更清晰的看到它們之間的區別：

首先定義集合物件：

val seq = List(("American Person", List("Tom", "Jim")), ("China Person", List("LiLei", "HanMeiMei")), ("Color Type", List("Red", "Blue")))

使用parallelize()建立RDD：

val rdd1 = sc.parallelize(seq)

查詢rdd1的分割槽數：

rdd1.partitions.size  // 2

使用makeRDD()建立RDD

val rdd2 = sc.makeRDD(seq)

檢視rdd2的分割槽數

rdd2.partitions.size  // 3

總之：

第一種makerdd與parallerize兩者完全一致，傳遞的都是集合的形式；其實第一種makerdd實現是依賴了parallelize函式

第二種makerdd還提供了計算位置。