Spark核心API发展史：RDD、DataFrame、Data

一、Spark第一代api：RDD
RDD:五大核心特征：

QQ图片20160602195119.png

二、Spark第二代API：DataFrame
DataFrame核心特征：
*包含了已ROW为单位的每行数据的列的信息，此时DataFrame就是Table；
*Tungsten:新的执行引擎
*Catalyst：新的语法解析框架
提升计算效率、减少数据读取、底层计算优化；

三、Spark第三代API：DataSet
DataSet的核心价值和好处：Encoder
*编译时的类型安全检查，不需要在执行时期才发现类型不匹配；
*性能极大的提升
*内存使用极大降低、减少GC...
*极大的减少网络数据的传输...
*极大的减少采用scala和java变成代码的差异性...

补充：
1、DataSet会同时可以兼顾Functional和Relational Programming;
2、DataSet可以统一流计算、SQL、ML等的API编程；
3、DataSet最最重要的是效率；底层Tungsten的优化、Encoder、数据在内存和磁盘的存储等等；