在Ubuntu 16版本的Spark环境中，详细解释如何通过两种不同的方法初始化RDD：一是利用并行化的集合（Parallelized Collections），二是从外部数据集（External Datasets）加载RDD，请提供相应的步骤和示例代码。

在Ubuntu 16版本的Apache Spark环境中，初始化RDD主要有两种常见方式：

1. **利用并行化的集合（Parallelized Collections）**:
这种方法是将数据源直接转换成RDD。你可以创建一个本地的、序列的或者是分布式的数据源，并将其并行化。

示例代码（Scala）：

   import org.apache.spark.rdd.RDD
   val spark = SparkSession.builder.appName("parallelized-rdd").getOrCreate()
   
   // 创建一个本地List作为数据源
   val data = List(1, 2, 3, 4, 5)
   
   // 并行化数据源
   val rddFromCollection: RDD[Int] = spark.parallelize(data)
   println(rddFromCollection.take(5)) // 输出：Array(1, 2, 3, 4, 5)

2. **从外部数据集（External Datasets）加载RDD**:
如果数据存储在文件系统（如HDFS、S3等）或其他数据源上，你可以读取这些数据并转化为RDD。Spark支持多种数据源的读取，包括文本文件、CSV、JSON、Parquet等。

示例代码（Scala）：

   import org.apache.spark.sql.SparkSession

   // 假设数据位于HDFS的一个文本文件中
   val spark = SparkSession.builder.appName("external-data-rdd").getOrCreate()
   val textFile = spark.read.text("hdfs://path/to/your/data.txt")

   // 将DataFrame转换为RDD
   val rddFromTextFile: RDD[String] = textFile.rdd
   println(rddFromTextFile.take(5)) // 输出：Array(line1, line2, ..., lineN)