DataFrame

• 什么是DataFrame
  DataFrame是一种以RDD为基础的带有Schema元信息的分布式数据集，类似于传统数据库的二维表格 。
  

DataSet

• 什么是DataSet
  DataSet是保存了更多的描述信息，类型信息的分布式数据集。
  与RDD相比，保存了更多的描述信息，概念上等同于关系型数据库中的二维表。
  与DataFrame相比，保存了类型信息，是强类型的，提供了编译时类型检查，
  调用Dataset的方法先会生成逻辑计划，然后被spark的优化器进行优化，最终生成物理计划，然后提交到集群中运行！
  

DataSet包含了DataFrame的功能，
Spark2.0中两者统一，DataFrame表示为DataSet[Row]，即DataSet的子集。
DataFrame其实就是Dateset[Row]

RDD、DataFrame、DataSet的区别

• 结构图解
  
  RDD[Person]
  以Person为类型参数，但不了解 其内部结构。

DataFrame
提供了详细的结构信息schema列的名称和类型。这样看起来就像一张表了

DataSet[Person]
不光有schema信息，还有类型信息