Java中，有三种类型比较耗费内存：
- 对象，每个Java对象都有一个对象头、引用等额外的信息，因此比较占用内存空间。
- 字符串，每个字符串内部都有一个字符串数组以及长度等额外信息。
- 集合类型， 比如HashMap、LinkedList等，因为集合类型内部通常会使用一些内部类来封装集合元素，比如Map.Entry。
因此Spark官方建议，在Spark编码实现中，特别是对于算子函数中的代码，尽量不要使用上述三种数据结构，尽量使用字符串代替对象，使用原始类型（比如Int，Long）代替字符串，使用数组替代集合类型，这样尽可能的减少内存占用，从而降低内存GC频率，提升性能。因此在可能以及合适的情况下，使用占内存较少的数据结构，但是前提是要保证代码的可维护性。
