1.RDD和DataFrame有什么区别？

RDD（Resilient Distributed Datasets）和DataFrame都是Apache Spark中的数据抽象概念，但是它们有着不同的特点和用途。

1. RDD是不可变的分布式数据集，它可以存储在内存或磁盘上，并且支持复杂的操作，比如map、reduce、filter等。RDD是Spark的核心抽象概念，它提供了良好的容错性和可伸缩性，但是对于结构化数据的处理不够方便。

2. DataFrame是由Rows和Columns组成的分布式数据集，它提供了结构化数据的处理方式，类似于关系型数据库的表格。DataFrame可以通过Spark SQL或DataFrame API进行操作，提供了更高效的数据处理能力。DataFrame还支持多种数据源的连接，包括Hive、JSON、Parquet等。

总的来说，RDD适合处理非结构化数据和较为复杂的计算场景，而DataFrame则适合处理结构化数据和常规的数据处理任务。此外，由于DataFrame的优化和性能更高，因此在大多数情况下，建议使用DataFrame。