Map操作和Filter操作是窄依赖。

在Spark中，窄依赖指的是每个父RDD的分区最多被子RDD的一个分区所使用，也就是说，窄依赖是子RDD的每个分区只依赖于父RDD的固定分区。这种依赖关系使得计算过程可以更加高效，因为每个分区的计算可以独立进行，不需要等待其他分区。

Map操作是一种典型的窄依赖操作。它将一个函数应用于RDD中的每个元素，生成一个新的RDD。在这个过程中，每个输入分区中的数据只会影响一个输出分区，因此它是窄依赖。

Filter操作也是一种窄依赖操作。它通过一个函数来过滤RDD中的元素，只有满足特定条件的元素才会被保留在新生成的RDD中。与Map操作类似，每个输入分区中的数据只影响一个输出分区。

总的来说，窄依赖操作在分布式计算中具有重要的优化作用，因为它们允许并行处理，从而提高了计算效率。而Map操作和Filter操作正是窄依赖的典型代表。