1:DataFrame也是一个分布式数据集,继承了RDD,和RDD不同的是他有“表头”描述着这个表的信息。 这个表有什么字段,这些字段是那些类型。
2:DataFrame其实它是通过RDD的map方法读取每一条数据,然后把他存到“case class”中。最后通过这个RDD的toDF方法产生的。 由于case class 中有属性字段,而且这些字段的类型都有了,是不是就是表结构?? 除了case class 外,还可以使用structType产生Schema来结合RDD产生。
注意:可以使用DataFrame的前提是你的数据是经过“预处理之后的结构化数据”,所以首先是需要使用RDD来对数据进行清洗、过滤等操作。