Spark RDD、DataFrame和DataSet的区别

RDD RDD(Resilient Distributed Datasets)  ,弹性分布式数据集， 是分布式内存的一个抽象概念，RDD提供了一种高度受限的共享内存模型，即RDD是只读的记录分区的集合，只能经过在其余RDD执行肯定的转换操做（如map、join和group by）而建立，然而这些限制使得实现容错的开销很低。对开发者而言，RDD能够看做是Spark的一个对象，它自己运行于内存中，如

>>阅读原文<<