PySpark创建RDD的两种方式： parallelize - 将本地集合转为分布式RDD，语法sc.parallelize(集合, 分区数)，适用于小数据测试 textFile - 读取文件创建RDD，语法sc.textFile(路径, 分区数)，支持本地/HDFS/S3路径，适合生产环境 两者均为惰性操作，实际计算在调用行动算子时触发。parallelize受限于Driver内存，textF

SparkSQL中的spark.read.format是灵活读取多种数据源的通用接口，支持CSV、JSON、Parquet、JDBC、Hive等格式。通过指定数据源类型和option参数配置，可自定义读取方式（如分隔符、Schema、连接信息等）。该接口具有通用性（兼容多种内置/第三方数据源）、灵活性（参数可配置）和扩展性（支持自定义数据源）。使用时需注意不同数据源的参数差异，需参考官方文档进行配