简述 SparkSQL中RDD、DataFrame、DataSet 三者的区别与联系？

1. RDD
   RDD：是弹性分布式数据集，是Spark中最基本的数据抽象，代表一个不可变，可分区、里面的元素可并行计算的集合。
   优点：
   a. 编译时类型安全：编译时就能检查出类型错误；
   b. 面向对象的编程风格：直接通过类名点的方式来操作数据；
   缺点：
   a. 序列化和反序列化的性能开销：无论是集群间的通信，还是IO操作都需要对对象的结构和数据进行序列化和反序列化；
   b. GC （垃圾回收）的性能开销，频繁的创建和销毁对象，势必会增加GC（程序进行GC时，所有任务都是暂停）；

2. DataFrame
   

   DataFrame 以 RDD 为基础的分布式数据集。
   DataFrame 引入了 schema 和 off-heap
   schema ： RDD 每一行的数据，结构都是一样的，这个结构就存储在 schema 中。Spark 通过 schema 就能够读懂数据，因此在通信和IO时就只需要序列化和反序列化数据，而结构的部分就可以省略了。
   off-heap：JVM堆以外的内存，这些内存直接受操作系统管理（而不是 JVM ）。spark 能够以二进制的形式序列化数据到 off-heap 中，当要操作数据时，就直接操作 off-heap 内存。由于 spark 理解 schema，所以知道该如何操作。
   DataFrame 不受 JVM 的限制，也就不受 GC 的困扰了。
   通过对 schema 和 off-heap，DataFrame 解决了 RDD 的缺点，却丢了 RDD 的优点，DataFrame 不是类型安全的，API也不是面向对象风格的。

3. DataSet
   DataSet 结合了 RDD 和 DataFrame 的优点， 并带来一个新的概念 Encoder。
   当序列化数据时，Encoder 产生字节码与 off-heap 进行交互，能够达到按需访问数据的效果，而不用反序列化整个对象。
   三者之间的转换：