我一直在为spark结构化流媒体开发一个带有源和汇的数据源。
我有一个关于source.getbatch的问题：

def getBatch(start: Option[Offset], end: Offset): DataFrame
``` `getBatch` 返回偏移量之间的流Dataframe，因此习惯用法（？）具有如下代码：

val relation = new MyRelation(...)(sparkSession)
val plan = LogicalRelation(relation, isStreaming = true)
new Dataset[Row](sparkSession, plan, RowEncoder(schema))

注意schema的使用，它是 `Source` 抽象：

def schema: StructType

这就是我问题的“源头”。在streaming sink/source.getbatch中，上述操作是否正常？
因为没有可以更改属性（模式）的临时操作符，所以我认为这是可以的。
我看到了下面的代码，这让我怀疑它是否比上面的解决方案更好：

val relation = new MyRelation(...)(sparkSession)
val plan = LogicalRelation(relation, isStreaming = true)

// When would we have to execute plan?
val qe = sparkSession.sessionState.executePlan(plan)
new Dataset[Row](sparkSession, plan, RowEncoder(qe.analyzed.schema))

我们什么时候用 `qe.analyzed.schema` vs简单 `schema` ? 这个可以吗 `qe.analyzed.schema` 有助于避免一些边缘情况，是首选方法吗？