Dataframe上的分层采样-Spark 2.3 + Scala

Question

我已经阅读了很多关于Spark for RDD中的分层采样的内容。我在DataFrames中遇到了sample，而RDD却有sampleByKey。

问题：

1. Dataframe中的sample是否基于分层策略对数据进行采样？
2. 此post显示了如何在数据框上使用sampleByKey。当我们来回转换DF-> RDD-> DF时，性能会降低吗？
3. sample和sampleByKey之间的主要区别是什么？
4. 采样10GB CSV文件（约50M行）的最佳方法是什么？我应该使用DF sample还是RDD sampleByKey？ （我没有此文件的密钥）。
5. 我愿意听到使用Spark + Scala解决 问题4
的任何其他建议

直到现在我一直在尝试

iFile = "/user/me/data.txt"
data = spark.read.format("csv").option("seq", "|").load(iFile)
data.sample(0.2) //20% sample.. that's approx 10M rows 

和

iFile = "/user/me/data.txt"
data = spark.read.format("csv").option("seq", "|").load(iFile)
data.rdd.keyBy(x=>x(0)).sampleByKey(false, 0.2) //20% sample.. that's approx 10M rows