简述SparkSQL中RDD、DataFrame、DataSet三者的区别与联系

RDD（Resilient Distributed Datasets）是Spark最早引入的数据抽象概念，是一个分布式的可容错的数据集合。RDD可以通过读取外部存储系统的数据、转换其他RDD或者通过其他RDD进行计算得到。RDD具有惰性计算（lazy evaluation）的特点，可以在内存中缓存数据，适合用于复杂的、自定义的数据处理逻辑。

DataFrame是SparkSQL中的一个数据抽象概念，是一个分布式的数据集合，具有结构化的数据，类似于关系型数据库中的表。DataFrame可以通过读取外部存储系统的数据、转换其他DataFrame或者通过其他DataFrame进行计算得到。DataFrame具有懒加载的特点，并且支持SQL查询和使用DataFrame API进行数据处理。

DataSet（Dataset）是Spark2.0版本引入的数据抽象概念，是DataFrame的扩展，可以看做是强类型的DataFrame。DataSet可以通过读取外部存储系统的数据、转换其他DataSet或者通过其他DataSet进行计算得到。DataSet具有懒加载的特点，并且支持SQL查询和使用DataFrame API进行数据处理，同时还可以通过编程语言的类型系统进行类型检查。

三者的区别与联系如下：

1. 数据类型：RDD没有固定的数据类型，可以存储任意类型的数据；DataFrame和DataSet具有结构化的数据，可以定义列名和数据类型。
2. 编程接口：RDD使用函数式编程接口，开发者需要手动编写代码处理数据；DataFrame和DataSet使用SQL查询和DataFrame API，提供了更高层次的抽象，开发者可以通过SQL语句或者DataFrame API进行数据处理。
3. 性能：DataFrame和DataSet相比RDD具有更好的性能，因为DataFrame和DataSet可以使用Catalyst优化器进行查询优化和代码生成，可以提升查询性能。
4. 类型检查：RDD没有类型检查，开发者需要手动处理数据类型；DataFrame和DataSet具有类型检查，可以在编译期间发现类型错误。
5. 执行计划：RDD没有执行计划，每次操作都是独立的；DataFrame和DataSet具有执行计划，可以对多个操作进行优化和合并，提高执行效率。

总之，RDD是Spark最早引入的数据抽象概念，DataFrame是对RDD的扩展，提供了结构化的数据处理能力，而DataSet是DataFrame的进一步扩展，提供了强类型的数据处理能力。DataFrame和DataSet相比RDD具有更好的性能和易用性