結合上圖進行理解：

• RDD與DataFrame都是分散式的 可以並行處理的 一個集合
• 但是DataFrame更像是一個二維表格，在這個二維表格裡面，我們是知道每一列的名稱
  第一列是Name，它的型別是String
  第二列是Age，它的型別是Int
  第三列是Height，它的型別是Double
  而對於DataFrame來說，它不僅可以知道里面的資料，而且它還可以知道里面的schema資訊
  因此能做的優化肯定也是更多的，舉個例子：
  因為每一列的資料型別是一樣的，因此可以採用更好的壓縮，這樣的話整個DF儲存所佔用的東西必然是比RDD要少很多的（這也是DF的優點）
  想要優化的更好，所要暴露的資訊就需要更多，這樣系統才能更好大的進行優化
  RDD的型別可以是Person，但是這個Person裡面，我們是不知道它的Name，Age，Height的，因此相比DF而言更難進行優化

結合上圖進行理解：

• Java/Scala 操作RDD的底層是跑在JVM上的
  Python 操作RDD的底層不跑在JVM上，它有Python Execution
  因此使用RDD程式設計帶來一個很大的問題：
  由於使用不同語言操作RDD，底層所執行的環境不同（使用Java/Scala 與 Python 所執行的效率完全是不一樣的，Python是會慢一些的）
• 但是有了DataFrame是不一樣的
  DF不是直接到執行環境的，中間還有一層是logicplan，統統先轉換成邏輯執行計劃之後，再去進行執行的；所以現在DF不管採用什麼語言，它的執行效率都是一樣的

從程式設計時，引入的依賴包角度進行理解：
我們會發現在工作中，只需要新增Spark SQL的依賴就可以了，不需要再特地新增Spark Core的依賴了
因為Spark SQL也需要依賴Spark Core，因此可以不新增Spark Core的依賴