为什么Spark中的RDD、DataFrame和Dataset会被称为API

《Spark权威指南：大数据处理极简实现》中提到：DataFrame是最常用的结构化API，可简单表示为带有行和列的数据表

API（应用程序编程接口）的核心本质是预先封装底层复杂逻辑，对外暴露统一、易用的调用约定，开发者不需要理解内部实现细节，只要按照规则调用就能获得对应的能力。这三类Spark的数据抽象完全符合API的定义，原因如下：

• 三者都是Spark封装的分布式数据处理入口：你不需要手动实现底层分布式场景下的分片存储、节点通信、容错重试、任务调度逻辑，只需要调用这三类抽象提供的map、filter、join、groupBy等标准方法，就能完成TB级数据的分布式处理，属于典型的能力封装接口。
• 三者是开发者和Spark计算引擎交互的约定介质：你基于这三类抽象编写的处理逻辑，会被Spark的Catalyst优化器自动解析为逻辑执行计划、优化后生成物理执行计划，最终分发到集群节点运行，相当于你通过这三类API向Spark传递你的计算需求，不需要直接对接底层的资源调度、任务管理模块。
• 三类API针对不同开发场景做了能力区分：
  • RDD是Spark最早推出的非结构化API，支持最细粒度的数据处理逻辑控制，适合定制化程度高的计算场景
  • DataFrame、Dataset属于结构化API，自带Schema元信息，Spark可以基于元信息做大量执行优化，开发效率和运行性能远高于RDD，也是目前生产环境的主流选择

内容的提问来源于stack exchange，提问作者hemu