在MLlib中，向量和LabeledPoint是用于表示数据的基本结构。我们来分析每个选项：

A: LabeledPoint是一种基于向量扩展得到的数据结构
这个描述是正确的。LabeledPoint是一个数据结构，用于存储机器学习算法中的标记数据。它包含一个标签（通常是一个Double类型的数值）和一个特征向量（可以是密集的或稀疏的）。

B: 向量既可以是本地的也可以是分布式的
这个描述不准确。在MLlib中，向量（Vector）本身是一个本地的数据结构，用于在单个节点上表示数据。MLlib中的向量类有DenseVector和SparseVector，它们都是本地向量。分布式数据结构通常是RDD（Resilient Distributed Dataset）或DataFrame，这些可以在集群上分布式存储和处理。

C: MLlib中既可以定义稀疏向量也可以定义密集向量
这个描述是正确的。MLlib提供了DenseVector（密集向量）和SparseVector（稀疏向量）两种类型，用于表示不同类型的特征向量。密集向量存储所有的元素，而稀疏向量只存储非零元素及其索引，以节省空间。

D: 在LabeledPoint中除了包含一个向量成员外，还包含一个Double类型的标识成员
这个描述是正确的。LabeledPoint由一个标签（label）和一个特征向量（features）组成。标签通常是一个Double类型的数值，用于表示样本的类别或目标值。

因此，正确的答案是A、C和D。