SparkSQL的优势：
写更少的代码
读更少的数据（SparkSQL的表数据在内存中存储不使用原生态的JVM对象存储方式，而是采用内存列存储）
使用高效的数据格式
使用列数存储
谓词下推
提供更好的性能（字节码生成技术、SQL优化）
号称比MapReduce快100倍
强大的SQL 优化器 Catalyst
Spark SQL 数据抽象
DataFrame和DataSet
DataFrame
DataFrame更像传统数据库的二维表格,除了数据之外，还记录数据的结构信息，即schema
DataFrame也支持嵌套数据类型（struct、array和map）
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
DataSet
DataSet会逐步取代 RDD 和 DataFrame 成为唯一的API接 口
与DataFrame相比，保存了类型信息，是强类型的，提供了编译时类型检查
调用Dataset的方法先会生成逻辑计划，然后Spark的优化器进行优化，最终生成物理计划，然后提交到集群中运行DataFrame表示 为DataSet[Row]，即DataSet的子集
Row & Schema
DataFrame = RDD[Row] + Schema；DataFrame 的前身是 SchemaRDD
Row是一个泛化的无类型 JVM object
对DataFrame和Dataset进行操作时，都需要import spark.implicits._
Dataset每一行的类型都是一个case class，在自定义了case class之后可以很自由的获得每一行的信息
Spark SQL的数据类型
