RDD (Spark1.0) —> Dataframe(Spark1.3) —> Dataset(Spark1.6)
三者的共性
1、RDD、DataFrame、Dataset 全都是 spark 平台下的分布式弹性数据集，为处理超大型数据提供便利
2、三者都有惰性机制，在进行创建、转换，如 map 方法时，不会立即执行，只有在遇到 Action 如 foreach 时，三者才会开始遍历运算。
3、三者都会根据 spark 的内存情况自动缓存运算，这样即使数据量很大，也不用担心会内存溢出
4、三者都有 partition 的概念
5、三者有许多共同的函数，如 filter，排序等
6、在对 DataFrame 和 Dataset 进行操作许多操作都需要这个包进行支持
import spark.implicits._
7、DataFrame 和 Dataset 均可使用模式匹配获取各个字段的值和类型
DataFrame:
testDF.map{
case Row(col1:String,col2:Int)=>
println(col1);println(col2)
col1
case _=>
""
}Dataset:
case class Coltest(col1:String,col2:Int)extends Serializable //定义字段名和类型
testDS.map{
case Coltest(col1:String,col2:Int)=>
println(col1);println(col2)
col1
case _=>
""
}三者的区别
1. RDD:
1）RDD 一般和 spark mlib 同时使用
2）RDD 不支持 sparksql 操作
2. DataFrame:
1）与 RDD 和 Dataset 不同，DataFrame 每一行的类型固定为 Row，每一列的值没法直接访问，只有通过解析才能获取各个字段的值，如：
testDF.foreach{
line =>
val col1=line.getAs[String]("col1")
val col2=line.getAs[String]("col2")
}2）DataFrame 与 Dataset 一般不与 spark mlib 同时使用
3）DataFrame 与 Dataset 均支持 sparksql 的操作，比如 select，groupby 之类，还能注册临时表/视窗，进行 sql 语句操作，如：
dataDF.createOrReplaceTempView("tmp")
spark.sql("select ROW,DATE from tmp where DATE is not null order by DATE").show(100,false)4）DataFrame 与 Dataset 支持一些特别方便的保存方式，比如保存成 csv，可以带上表头，这样每一列的字段名一目了然
//保存
val saveoptions = Map("header" -> "true", "delimiter" -> "\t", "path" -> "hdfs://hadoop102:9000/test")
datawDF.write.format("com.atguigu.spark.csv").mode(SaveMode.Overwrite).options(saveoptions).save()
//读取
val options = Map("header" -> "true", "delimiter" -> "\t", "path" -> "hdfs://hadoop102:9000/test")
val datarDF= spark.read.options(options).format("com.atguigu.spark.csv").load()利用这样的保存方式，可以方便的获得字段名和列的对应，而且分隔符（delimiter）可以自由指定。
3. Dataset:
1）Dataset 和 DataFrame 拥有完全相同的成员函数，区别只是每一行的数据类型不同。
2）DataFrame 也可以叫 Dataset[Row]，每一行的类型是 Row，不解析，每一行究竟有哪些字段，各个字段又是什么类型都无从得知，只能用上面提到的 getAS 方法或者共性中的第七条提到的模式匹配拿出特定字段。而 Dataset 中，每一行是什么类型是不一定的，在自定义了 case class 之后可以很自由的获得每一行的信息
case class Coltest(col1:String,col2:Int)extends Serializable //定义字段名和类型
/**
rdd
("a", 1)
("b", 1)
("a", 1)
**/
val test: Dataset[Coltest]=rdd.map{line=>
Coltest(line._1,line._2)
}.toDS
test.map{
line=>
println(line.col1)
println(line.col2)
}可以看出，Dataset 在需要访问列中的某个字段时是非常方便的，然而，如果要写一些适配性很强的函数时，如果使用 Dataset，行的类型又不确定，可能是各种 case class，无法实现适配，这时候用 DataFrame 即 Dataset[Row] 就能比较好的解决问题
三者的相互转换
RDD <=> DataFrame
RDD与DF或者DS之间操作需要引入 import spark.implicits._ 【spark不是包名，而是sparkSession对象的名称】
// RDD转DataFrame
// 导入隐式转换
scala> import spark.implicits._
// 创建一个RDD
scala> val peopleRDD = sc.textFile("examples/src/main/resources/people.txt")
// 通过手动确定转换
scala> peopleRDD.map{x=>val para = x.split(",");(para(0),para(1).trim.toInt)}.toDF("name","age")
// DataFrame转RDD
// 创建一个DataFrame
scala> val df = spark.read.json("/opt/module/spark/examples/src/main/resources/people.json")
// 将DataFrame转换为RDD,直接调用rdd即可
scala> val dfToRDD = df.rddRDD <=> DataSet
// RDD转换DataSet
// 创建一个RDD
scala> val peopleRDD = sc.textFile("examples/src/main/resources/people.txt")
// 创建一个样例类
scala> case class Person(name: String, age: Long)
// 将RDD转化为DataSet
scala> peopleRDD.map(line => {val para = line.split(",");Person(para(0),para(1).trim.toInt)}).toDS
// DataSet转换RDD
// 创建一个DataSet
scala> val DS = Seq(Person("Andy", 32)).toDS()
// 将DataSet转换为RDD
scala> DS.rdd
DataFrame <=> DataSet
// DataFrame转换DataSet
// 导入隐式转换
scala> import spark.implicits._
// 创建样例类
scala> case class Coltest(col1:String,col2:Int)extends Serializable //定义字段名和类型
// 转换
scala> val testDS = testDF.as[Coltest]
// DataSet转换DataFrame
// 导入隐式转换
scala> import spark.implicits._
// 转换
scala> val testDF = testDS.toDF可以这样记忆: DataSet 含有信息最多, 相对最复杂, 所以 RDD 和 DataFrame 向其转换的时候都需要样例类, 而复杂的 DataSet 向简单的 RDD 和 DataFrame 转换时直接调用方法即可