Spark主要提供了兩種函數：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）區別：

A）makeRDD函數比parallelize函數多提供了數據的位置信息。
B）兩者的返回值都是ParallelCollectionRDD，但parallelize函數可以自己指定分區的數量，而makeRDD函數固定為seq參數的size大小。

一樣的，你看SparkContext的API里面這么說的：
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.