Java 使用Spark查询HDFS中存储的数据的最佳方法是什么？

我想创建一个Java应用程序，使用Spark查询HDFS中的数据。到目前为止，我已经通过两种方式进行了测试： -对Thrift服务器公开的JDBC端点进行SQL查询是从默认配置开始的 -使用spark数据集api

我的问题是，作为hadoop/spark的新手，在没有默认配置的情况下，这两种方法中哪一种最有效、最容易设置

---

据我所知，到目前为止，使用Thrift server需要配置和维护Thrift和Hive。另一方面，我希望使用dataset API会更慢，限制更多，将数据保存在内存中。

thrift server确实需要稍微多一点配置，并且需要一个配置单元元存储来保存表定义，您可以使用sql查询所有内容。最终，运行thrift server查询和使用非类型化dataset api的查询之间的性能基本相同，从功能上讲，dataset api具有更大的灵活性。强类型数据集api的性能不如非类型数据集api，因为codegen会吐出错误代码，尤其是spark 2.2之前的版本