RDD：RDD (Resilient Distributed Dataset) 叫做弹性分布式数据集，它归属于SpqrkCore模块中,是Spark中最基本的数据抽象,代码中RDD是一个抽象类，它代表一个弹性的、不可变、可分区、里面的元素可并行计算的集合。并且RDD表示只读的分区的数据集，对RDD进行改动，只能通过RDD的转换操作来进行。
DataFrame: 归属于SparkSql模块里面，是一种以RDD为基础的分布式数据集，类似于传统数据库中的二维表格。相对于RDD来讲它多了schema元信息，即DataFrame它里面是结构化的信息包含了每一列的字段名和类型，这让SparkSql可以很方便的清楚了数据的具体信息，提升了任务的执行效率。
一图看懂DataFrame和RDD的区别：
DataSet: 也是归属于SparkSql模块，具有Spark SQL优化执行引擎的优点,它是建立在DataFrame之上的一个分布式数据集合，DateSet整合了RDD和DataFrame的优点，因为RDD支持的是非结构化的数据，DataFrame支持的是结构化的数据，而DataSet支持结构化和非结构化数据。相对于DataFrame来说DataSet它提供的是一种强类型的获取数据的方法(因为在DataFrame中获取某列数据你需要知道数据的类型以及索引，假设获取第一列的name需要getString(0) ,而在DataSet中只需要_.name就可以了)，所以说它和DataFrame的最核心区别是在类型的判定上面,DataFrame在运行期才做类型的检查,而DataSet在程序的编译期就会做类型的检查，多了类型校验的功能。还有就是DataSet既具有类型安全检查也具有DataFrame的查询优化特性。
RDD,DataFrame和DataSet三者的联系：
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create、transformation，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;
3.三者有许多共同的函数，如filter，排序等;
4.在对DataFrame和Dataset进行操作许多操作都需要这个包:import spark.implicits._（在创建好SparkSession对象后尽量直接导入，要不然有的操作会报错）
5.RDD适用于迭代计算和数据这一类的操作，处理结构化的数据一般用DataFrame和Dataset进行。
RDD,DataFrame和DataSet三者转换图：
