Spark，什么时候我们需要启用 KryoSerializer？

Question

我有一个spark（版本2.4.7）工作，

JavaRDD<Row> rows = javaSparkContext.newAPIHadoopFile(...)
                    .map(d -> {
                      Foo foo = Foo.parseFrom(d._2.copyBytes());
                      String v1 = foo.getField1();
                      int v2 = foo.getField2();
                      double[] v3 = foo.getField3();
                      return RowFactory.create(v1, v2, v3);
                    })
spark.createDataFrame(rows, schema).createOrReplaceTempView("table1");
spark.sql("...sum/avg/group-by...").show();

这里的Class Foo是一个复杂的Google protobuf类。

我有几个问题：

1. 在这种情况下，将“spark.serializer”更改为 Kryo 会对 Foo 对象产生任何影响吗？
2. 在这种情况下，如果DataFrame的所有列都是primitive或String或primitive/String数组，从性能角度来看，是否有必要将'spark.serializer'更改为Kryo？

许多感谢。