Spark RDD、DataFrame、Dataset的区别

Resilient Distributed Dataset (RDD) RDD是一个不可变的分布式的数据元素集合，RDD中的元素在集群上是分区的，提供了Transformation和Action两种并行操作。 优点：强类型，编译时类型安全，符合面向对象的编程思想，可以处理结构化数据和非结构化数据。 缺点：默认采用的是Java序列化方式，无论是集群间的通信，还是IO操作都需要对对象的结构和数据进行序

>>阅读原文<<