根據官網介紹DataFrame、DataSet：
Dataset 是一個分佈式的數據集合。是spark1.6版本纔出來的。它提供RDD中的有點（強類型、lambda表達式、優化SparkSQL執行引擎）。DataFrame中能用的東西大部分在DataSet都能用。DataSet能夠通過JVM對象構建出來。DataSet能使用函數表達式（map、flatmap、filter等等）。DataSet API能在Java和Scala中使用。python暫不支持。在Scala API中，DataFrame可以等於DataSet[Row]，DataFrame = Dataset[Row]。
DataFrame是一個以列（列名、列的類型、列值）的形式構成的分佈式數據集。它在概念上等同於關係數據庫中的表或R / Python中的數據框，但在底層具有更豐富的優化。DataFrame可以從多種來源構建，例如：結構化數據文件（json）、hive中的表、其他外部數據源（mysql、no sql）、已經存在的RDD。DataFrame API在Scala，Java，Python和R中可用。在Scala和Java中，DataFrame由Rows 的數據集表示。在Scala API中，DataFrame它只是一個類型別名Dataset[Row]。而在Java API中，用戶需要使用Dataset<Row>來表示DataFrame。
Spark 1.3 版本之前是稱呼SchemaRDD的，之後纔有的DataFrame；其實SchemaRDD不就是把一個Schema作用在RDD之上嘛，其實本質上和DataFrame沒有區別。
在1.3版本出來了DataFrame
在1.6版本出來了DataSet