我对pyspark有点陌生（更喜欢sparkscala），最近我遇到了下面的观察。当我使用parallelize（）方法创建rdd时，返回类型是rdd类型。但是当我使用range（）方法创建rdd时，它的类型是pipelinedrdd。例如：

>>> listRDD =sc.parallelize([1,2,3,4,5,6,7])
>>> print(listRDD.collect())
[1, 2, 3, 4, 5, 6, 7]
>>> print(type(listRDD))
<class 'pyspark.rdd.RDD'>

>>> rangeRDD =sc.range(1,8)
>>> print(rangeRDD.collect())
[1, 2, 3, 4, 5, 6, 7]
>>> print(type(rangeRDD))
<class 'pyspark.rdd.PipelinedRDD'>

我检查了这两个RDD是如何构造和找到的：
1） 在内部两者都只使用平行化方法。

>>> rangeRDD.toDebugString()
b'(8) PythonRDD[25] at collect at <stdin>:1 []\n |  ParallelCollectionRDD[24] at parallelize at PythonRDD.scala:195 []'
>>> listRDD.toDebugString()
b'(8) PythonRDD[26] at RDD at PythonRDD.scala:53 []\n |  ParallelCollectionRDD[21] at parallelize at PythonRDD.scala:195 []'

2） pipelinerdd是我所了解的rdd类的一个子类。
但是，当它将是pipelineeddd类型时，以及当它将是rdd类型时，是否存在任何泛型逻辑？提前谢谢大家。