在Spark中并行执行任务的常见方法是使用RDD的transformation操作和action操作。

下面是一个示例代码，展示了如何在Spark中进行并行执行：

import org.apache.spark.{SparkConf, SparkContext}

object ParallelExecution {
  def main(args: Array[String]): Unit = {
    // 创建Spark配置对象
    val conf = new SparkConf().setAppName("ParallelExecution").setMaster("local")
    // 创建SparkContext对象
    val sc = new SparkContext(conf)

    // 创建一个RDD
    val data = sc.parallelize(Seq(1, 2, 3, 4, 5))

    // 使用transformation操作进行并行执行
    val result = data.map(x => x * 2)

    // 使用action操作触发并行执行
    result.foreach(println)

    // 关闭SparkContext
    sc.stop()
  }
}

在上面的示例中，首先创建了一个SparkConf对象并设置了应用程序的名称和master节点为local。然后，创建了SparkContext对象。接下来，创建了一个包含一些整数的RDD。然后，使用map操作将每个元素乘以2，并将结果保存在result变量中。最后，使用foreach操作将结果打印出来。最后，通过调用stop()方法关闭SparkContext。

这个示例代码展示了如何使用Spark进行并行执行，你可以根据自己的需求进行修改和扩展。