在Apache Spark中，数据可以通过多种方式加载到Spark应用程序中。以下是几种常见的方法，每种方法都包含了示例代码：

1. 从本地文件系统加载数据：

from pyspark import SparkContext

sc = SparkContext("local", "Data Loading Example")
data = sc.textFile("path_to_file.txt")

这将从本地文件系统中的指定路径加载文本文件。

2. 从Hadoop分布式文件系统（HDFS）加载数据：

from pyspark import SparkContext

sc = SparkContext("local", "Data Loading Example")
data = sc.textFile("hdfs://namenode/path_to_file.txt")

这将从HDFS上的指定路径加载文本文件。

3. 从数据库加载数据：

from pyspark.sql import SparkSession

spark = SparkSession.builder \
    .appName("Data Loading Example") \
    .getOrCreate()

# 从MySQL数据库加载数据
url = "jdbc:mysql://localhost:3306/database"
table = "table_name"
properties = {"user": "username", "password": "password"}
data = spark.read.jdbc(url=url, table=table, properties=properties)

# 从PostgreSQL数据库加载数据
url = "jdbc:postgresql://localhost:5432/database"
table = "table_name"
properties = {"user": "username", "password": "password"}
data = spark.read.jdbc(url=url, table=table, properties=properties)

这将从MySQL或PostgreSQL数据库中的指定表加载数据。

4. 从Apache Hive加载数据：

from pyspark.sql import SparkSession

spark = SparkSession.builder \
    .appName("Data Loading Example") \
    .enableHiveSupport() \
    .getOrCreate()

data = spark.sql("SELECT * FROM table_name")

这将从Apache Hive表中加载数据。

5. 从其他数据源加载数据： Spark支持从其他数据源（如Amazon S3、Apache Kafka、Apache Cassandra等）加载数据。对于每个数据源，Spark提供了特定的API和连接器，需要根据具体数据源和使用的编程语言进行配置和使用。

以上是几种常见的数据加载方法的示例代码。根据具体的数据源和需求，选择合适的方法来加载数据到Spark应用程序中。