Spark RDD、DataFrame和DataSet的區別

RDD RDD(Resilient Distributed Datasets)  ,彈性分佈式數據集， 是分佈式內存的一個抽象概念，RDD提供了一種高度受限的共享內存模型，即RDD是隻讀的記錄分區的集合，只能經過在其餘RDD執行肯定的轉換操做（如map、join和group by）而建立，然而這些限制使得實現容錯的開銷很低。對開發者而言，RDD能夠看做是Spark的一個對象，它自己運行於內存中，如

>>阅读原文<<