https://blog.csdn.net/deng624796905/article/details/80216168
https://blog.csdn.net/weixin_43087634/article/details/84398036
這兩篇文章講的很詳細，大神級別的，可以拜讀
DataFrame多了數據的結構信息，即schema。RDD是分佈式的Java對象的集合。DataFrame是分佈式的Row對象的集合。DataFrame除了提供了比RDD更豐富的算子以外，更重要的特點是提升執行效率、減少數據讀取以及執行計劃的優化
Dataframe的劣勢在於在編譯期缺少類型安全檢查，導致運行時出錯.
RDD (Spark1.0) —> Dataframe(Spark1.3) —> Dataset(Spark1.6)
1 RDD
RDD是Spark提供的最重要的抽象的概念，彈性的分佈式數據集，它是一種有容錯機制的特殊集合，可以分佈在集羣的節點上，以函數式編操作集合的方式，進行各種並行操作。Spark的RDD內置了各種函數操作，舉個例子，我們編寫wordcount案例，如果使用mapreduce進行編程，還是很複雜的，如果用RDD的話代碼量大大的減少（scala編程一句話搞定），所以相對mapreduce來說單從編程上就簡化了很多。但是同時也出現了一個問題，學習Scala、python、java語言，那麼這個使用的成本以及門檻就會很高了對於不太懂開發的人（DBA）想要使用spark是比較困難的。
DataFrame
對於DataFrame這一概念最早是出現在R和Pandas裏面的，R語言是非常適合做一些數據統計和分析的一些操作，但是它僅支持單機的處理，隨着互聯網的快速發展，單機處理的日誌、數據必然是很有限的，而且現在的日誌／數據量是越來越大，隨着spark的不斷壯大，在spark裏面就出現了DataFrame的API（1.3版本出現的）。