从DataSet和RDD文档中
数据集：
数据集是特定于域的对象的强类型集合 可以使用函数或关系并行转换 操作。每个数据集还有一个名为DataFrame的无类型视图， 这是一个行数据集
RDD：
RDD表示一个不可变的，分区的元素集合 可以并行操作
另外，据说它们之间存在差异：
主要区别在于，数据集是特定于域的集合 RDD是任何对象集合的对象。域对象部分 定义表示数据集的模式部分。所以数据集API就是 始终使用不使用RDD的模式强类型化和优化。
我在这里有两个问题;
这是什么意思dataset is collection of domain specific objects while RDD is collection of any object，给定案例类Person，我认为DataSet [Person]和RDD [Person]都是域特定对象的集合
dataset API is always strongly typed and optimized using schema where RDD is not为什么说数据集API总是强类型而RDD不是？我以为RDD [Person]也是强类型的
答案 0 :(得分：3)
强类型Dataset（不是DataFrame）是记录类型的集合（Scala Products），它们使用所谓的Encoders映射到内部存储格式，而{ {1}}可以存储任意可序列化（RDD或Kryo可序列化对象）。因此，容器Serializable比RDD更通用。
下列的程序：
。因此，数据集API始终是强类型的（...），其中RDD不是。
是完全荒谬的，表明你不应该相信你在互联网上可以找到的一切。一般来说，Dataset API的类型保护功能明显弱于Dataset。这在工作RDD时尤其明显，但适用于任何Dataset[Row]。
考虑以下示例：
Dataset明显打破了类型安全。