使用 DataFrame

Spark 的核心数据结构是 Resilient Distributed Dataset（RDD，弹性分布式数据集）。这是一个较低层的对象，Spark 通过把数据拆分到集群中的多个节点来发挥威力。不过，直接使用 RDD 并不容易，因此本课程中，您将使用构建在 RDD 之上的 Spark DataFrame 抽象。

Spark DataFrame 的设计与 SQL 表非常相似（列是变量，行是观测）。DataFrame 不仅更容易理解，在处理复杂操作时也比 RDD 优化得更好。

当您开始修改并组合数据的列与行时，往往有多种方法能得到相同结果，但有些方法会慢得多。使用 RDD 时，需要数据科学家自行找出合适的查询优化方式；而 DataFrame 的实现内置了大量此类优化！

要开始使用 Spark DataFrame，首先需要从 SparkContext 创建一个 SparkSession 对象。可以把 SparkContext 看作是到集群的连接，而 SparkSession 则是与该连接交互的接口。

请记住，在本课程的其余部分，您的工作区中会提供名为 spark 的 SparkSession！

以下哪一项是 Spark DataFrame 相较于 RDD 的优势？