?一,RDD,DataFrame和DataSet
DataFrame参照了Pandas的思想,在RDD基础上增加了schma,能够获取列名信息。
DataSet在DataFrame基础上进一步增加了数据类型信息,可以在编译时发现类型错误。DataFrame可以看成DataSet[Row],两者的API介面完全相同。DataFrame和DataSet都支持SQL互动式查询,可以和 Hive无缝衔接。
DataSet只有在Scala语言和Java语言的Spark介面中才支持,在Python和R语言介面只支持DataFrame,不支持DataSet。