我对spark还很陌生，我对RDD和Dataframe有以下高层次的问题，如果我没弄错的话，这些RDD和Dataframe是建立在RDD之上的：
我知道有两种类型的操作可以在rdd上完成，转换和操作。我还理解，只有在对rdd执行操作时，转换才会被执行，rdd是转换的产物。考虑到rdd在内存中，我想知道是否有可能优化这些rdd消耗的内存量，以下面的示例为例：

KafkaDF = KafkaDFRaw.select(
        KafkaDFRaw.key,
        KafkaDFRaw.value,
        KafkaDFRaw.topic,
        unix_timestamp('timestamp',
                       'yyyy-MM-dd HH:mm:ss').alias('kafka_arrival_time')
    ).withColumn("spark_arrival_time", udf(time.time, DoubleType())())

我有一个kafkadfrawDataframe，我产生了一个新的rdd，叫做kafkadf。然后我希望向这个新的rdd添加列。我应该将它们添加到现有rdd中吗？像这样：

decoded_value_udf = udf(lambda value: value.decode("utf-8"))
    KafkaDF = KafkaDF\
        .withColumn(
            "cleanKey", decoded_value_udf(KafkaDF.key))\
        .withColumn(
            "cleanValue", decoded_value_udf(KafkaDF.value))

或者我应该从上一个Dataframe创建一个新的Dataframe？像这样：

decoded_value_udf = udf(lambda value: value.decode("utf-8"))
    KafkaDF_NEW = KafkaDF\
        .withColumn(
            "cleanKey", decoded_value_udf(KafkaDF.key))\
        .withColumn(
            "cleanValue", decoded_value_udf(KafkaDF.value))

这对内存优化有影响吗？
事先谢谢你的帮助。