【spark面试题】RDD和DataFrame以及DataSet有什么异同

RDD（Resilient Distributed Dataset）：

• 概念：可理解为分布式的列表。它的每个元素代表数据的一行，具有支持泛型这一显著特点。这种泛型支持让开发人员能够处理各种类型的数据，具有很强的灵活性。例如，在处理包含不同类型数据（如整数、字符串、自定义对象等）的数据集时，可以方便地在 RDD 中进行操作。

DataFrame：

• 概念：它是一种分布式表，由数据和 Schema（模式）组成。
• 特点：不支持泛型，其每行固定为 Row 类型。不过，它通过明确的模式定义，提供了更规范的数据处理方式。比如在数据查询、过滤和聚合操作中，可以利用列名和预定义的模式进行高效处理，这在处理大规模结构化数据时非常有用。

DataSet：

• 概念：同样是分布式表，也由数据和 Schema 构成。
• 特点：支持泛型，这一点和 RDD 类似，在保证数据类型安全的同时，兼具灵活性。开发人员可以更清晰地指定数据类型，在代码开发过程中能够减少类型相关的错误，并且在处理数据时，能更好地利用编译时的类型检查。而且在性能方面也表现出色，适用于大规模数据处理场景，比如在处理海量的用户信息数据时，可以更方便地处理不同类型的用户属性数据。