一、基本概念
DataFrame它不是Spark SQL提出的，而是早起在R、Pandas语言就已经有了的。
Dataset： A Dataset is a distributed collection of data：分布式的数据集
DataFrame： A DataFrame is a Dataset organized into named columns. 以列（列名、列的类型、列值）的形式构成的分布式数据集，按照列赋予不同的名称
RDD： 弹性分布式数据集 RDD + schema = dataframe RDD套上 schema(表的结构信息)就是 dataframe,它们都是数据集，dataframe更像是一张表
RDD 是一列数据，而dataframe是多列数据，更像是一个数据库表，可以理解为关系型数据库的一张表，而且可以直接理解为python中的同名概念
DataFrame是spark1.3.0版本提出来的(1.3.0以前叫SchemaRDD)，spark1.6.0版本又引入了DataSet的，但是在spark2.0版本中，DataFrame和DataSet合并为DataSet
DataFrame = Dataset[Row] ，在 the Scala API中, DataFrame 仅仅是一个 Dataset[Row]类型的别名
Dataset：强类型 typed case class DataFrame：弱类型 Row
DataFrame和DataSet是基于RDDs的，而且这三者之间可以通过简单的API调用进行无缝切换
二、运行环境
RDD： java/scala ==> jvm
python ==> python runtime
DataFrame: java/scala/python ==> Logic Plan(逻辑执行计划，不管什么语言效果都一样)
三、DataFrame和RDD互操作的两种方式：
1）反射：case class 前提：事先需要知道你的字段、字段类型
2）编程：Row 如果第一种情况不能满足你的要求（事先不知道列的属性）
3) 选型：优先考虑第一种