结构化数据的利器——Spark SQL 的 DataFrame 和 Dataset API 挺好用的，SQL 味儿浓，代码也灵活。你既能像写 SQL 那样操作数据，又能用强类型的方式规避低级错误，开发起来比较顺手。Catalyst 优化器也挺聪明，能帮你自动优化查询计划，少了多自己调参数的烦恼。
强类型的Dataset API在开发大型项目时管用，避免了不少运行时 Bug。配合 SQL 支持，你可以先注册一个临时视图，用熟悉的 SQL 语法去查数据，响应也快。像df.createOrReplaceTempView("userView")这种写法上手快。
另外，Spark SQL 和Hive打得火热，Hive 里的表、UDF 都能直接拿过来用，简直不要太方便。如果你以前就在 Hive 那一挂，用 Spark SQL 基本无缝切换。
列式存储格式Parquet也内建支持，读写效率高，尤其在几百 G 数据时，省时省力。还支持表分区，按字段分目录存数据，用来查最近一个月的数据，那效率简直飞起。
写数据的时候，支持Append、Overwrite这些模式，还有动态分区插入，不用你自己写太多逻辑，直接交给引擎自动，轻松不少。
外部数据源也对接得蛮好，HDFS、Amazon S3、Cassandra统统搞得定。加上UDF 注册和使用的灵活性，基本上你能想到的需求它都能覆盖。
如果你数据场景复杂，性能调优必不可少。并行度调整、缓存策略这些可以大幅提升效率。开发时不妨打开spark.ui.showConsoleProgress看看进度和执行计划，有。
如果你是 SQL 老手，或是 Data Engineer，这篇指南值得一读。是 1.1.0 这个版本，挺多新特性，拿来直接用省了多踩坑时间。