在 Apache Spark 中，RDD（弹性分布式数据集） 可以通过多种方式创建，主要分为 3 大类：
1. 从内存集合创建（Parallelizing）
适用于本地数据（Python List、Array 等） 转换为分布式 RDD。 方法： SparkContext.parallelize() 示例：
python
from pyspark import SparkContext
sc = SparkContext("local", "RDD Demo")
data = [1, 2, 3, 4, 5]
rdd = sc.parallelize(data) # 将 Python List 转为 RDD
print(rdd.collect()) # 输出：[1, 2, 3, 4, 5]
适用场景： 小规模数据测试、算法原型开发。
2. 从外部存储系统读取
适用于从文件（HDFS、本地文件、S3 等） 加载数据生成 RDD。 方法： SparkContext.textFile()、SparkContext.wholeTextFiles() 示例：
(1) 读取文本文件（逐行读取）
python
# 从 HDFS 读取
rdd = sc.textFile("hdfs://namenode:8020/path/to/file.txt")