Spark-SQL 的 DataFrame 操作，用起来还挺香的，尤其是你想把结构化数据当表来查的时候，写起来就跟写 SQL 差不多，顺手。

DataFrame 其实就是个分布式表格，底层是RDD，但不用你自己管怎么分发、怎么缓存，Spark 都帮你搞定了，效率也挺高。你写的查询，后面都被 Catalyst 优化过，执行速度比原生RDD快多了。

还有一点蛮方便的，Spark-SQL可以直接读Hive的数据，像HiveContext就专门干这个的。如果你项目里本来就在用 Hive，迁过来几乎不用改逻辑，兼容得还不错。

而且它支持的数据源种类也不少，JSON、CSV、JDBC，甚至你本地的txt文件都能直接读。对接方式比较统一，用SQLContext或者SparkSession搞定，没那么多套路。

讲真，如果你项目数据比较规整，又想写点SQL 风格的逻辑，那Spark-SQL是个不错的选项。嗯，对了，如果你还没搞清楚 RDD、DataFrame 之间的差别，可以顺手看看这篇Spark RDD 持久化策略选择指南，理清之后用起来更顺。