一、序言
可以說，RDD的使用是Spark最重要的抽象概念！
初學者可能不太理解這三者之間的關係，其實他們就是不斷地抽象、封裝，目的只有一個，Apache讓Spark讓你使用起來更簡單！功能更強大！
二、三者的介紹
- RDD：傳統MapReduce雖然也具有自動容錯、負載均衡、可拓展等特點，但是是採用非循環的數據流模型結構，這使得在迭代時要與HDFS產生大量的IO，RDD正是解決了這個缺點的抽象模型，其實質就是Spark可以把RDD的結果緩存到內存中，避免重複計算和產生大量IO。
- DataFrame：是RDD的封裝，作爲增強，DF還引入了off-heap機制，意味着JVM堆以外的內存直接受操作系統管理，避免數據量過大時頻繁的gc操作，此外DF還提供了更豐富的算子；我們還可以將DF看作是一個關係型數據表，然後可以通過在程序中使用spark.sql() 來執行SQL語句查詢，結果返回一個DataFrame還可以通過DF API或SQL處理數據會進過Spark優化器（catalyst）自動優化SQL，媽媽再也不擔心我寫的SQL爛了！
但是，DF失去了RDD的強類型特性，這導致如果類型有錯，程序編譯打包都不會報錯
對於分佈式程序來講，提交一次作業太費勁了（要編譯、打包、上傳、運行），到提交到
集羣運行時才發現錯誤，這會浪費大量的時間，這也是引入Dataset的一個重要原因。3、DataSet：saprk2.0之後DataSet和DataFrame進行了統一，DF表示爲DataSet[Row]，也就是說DF成了DS的子集，相比DF，DS提供了編譯時類型的檢查
三、三者相同功能
- 所有transformation操作的特點都是lazy的（惰性的），只有action操作才能觸發執行。這就是函數式編程的好處，也是底層spark的優化：避免產生過多中間結果！
- 三者都會根據spark的內存情況自動緩存運算，這樣即使數據量很大，也不用擔心會內存溢出（彈性的，內存不夠使用磁盤）
四、三者的區別
- RDD不支持SparkSQLS操作
- dataSet 可以定義類型，可以定義類型，能對各種列進行各種精細操作，而dataFram 能註冊成表。然後直接寫sql語句就能操作了