在sparksql中 DataType s代表 Schema ，而且 Encoder 用于将jvm对象与内部sparksql表示进行转换。
在实践中，我们可能会有这样的错误 DataType ，通常发生在 DataFrame 使用自定义类型，但不使用 Dataset[T] 使用自定义类型。讨论 DataType （或 UDT )指向如何在sparksql中定义自定义类型的模式？
java.lang.unsupportedoperationexception:不支持类型的架构
在实践中，我们可能会有这样的错误 Encoder ，通常发生在 Dataset[T] 使用自定义类型，但不使用 DataFrame 使用自定义类型。讨论 Encoder 指向如何在数据集中存储自定义对象？
找不到数据集中存储的类型的编码器。通过导入sqlcontext.implicits支持基元类型（int、string等）和产品类型（case类）。在将来的版本中将添加对序列化其他类型的支持
在我的理解中，两者都涉及内部sparksql优化器（这就是为什么只有有限数量的 DataType s和 Encoder （提供）；两者都有 DataFrame 以及 Dataset 只是 Dataset[A] ，然后。。
问题（或更多。。（混乱）
为什么第一个错误只出现在 DataFrame 但不是在 Dataset[T] ? 第二个错误的问题是一样的。。。
can创建 UDT 解决第二个错误？创建编码器能解决第一个错误吗？
我应该如何理解彼此之间的关系，以及它们是如何相互作用的 Dataset 还是spark sql引擎？
本帖的主旨是对这两个概念进行更多的探讨，以吸引大家的开放讨论，如果问题不太具体的话，请大家耐心点。。任何理解的分享都是值得的。谢谢。