https://blog.csdn.net/deng624796905/article/details/80216168
https://blog.csdn.net/weixin_43087634/article/details/84398036
这两篇文章讲的很详细，大神级别的，可以拜读
DataFrame多了数据的结构信息，即schema。RDD是分布式的Java对象的集合。DataFrame是分布式的Row对象的集合。DataFrame除了提供了比RDD更丰富的算子以外，更重要的特点是提升执行效率、减少数据读取以及执行计划的优化
Dataframe的劣势在于在编译期缺少类型安全检查，导致运行时出错.
RDD (Spark1.0) —> Dataframe(Spark1.3) —> Dataset(Spark1.6)
1 RDD
RDD是Spark提供的最重要的抽象的概念，弹性的分布式数据集，它是一种有容错机制的特殊集合，可以分布在集群的节点上，以函数式编操作集合的方式，进行各种并行操作。Spark的RDD内置了各种函数操作，举个例子，我们编写wordcount案例，如果使用mapreduce进行编程，还是很复杂的，如果用RDD的话代码量大大的减少（scala编程一句话搞定），所以相对mapreduce来说单从编程上就简化了很多。但是同时也出现了一个问题，学习Scala、python、java语言，那么这个使用的成本以及门槛就会很高了对于不太懂开发的人（DBA）想要使用spark是比较困难的。
DataFrame
对于DataFrame这一概念最早是出现在R和Pandas里面的，R语言是非常适合做一些数据统计和分析的一些操作，但是它仅支持单机的处理，随着互联网的快速发展，单机处理的日志、数据必然是很有限的，而且现在的日志／数据量是越来越大，随着spark的不断壮大，在spark里面就出现了DataFrame的API（1.3版本出现的）。