DataFrame 和 RDD 是 Apache Spark 中的两种不同的数据抽象，它们之间有几个关键区别。对于给定的问题，选项的分析如下：

A: 科学统计支持
DataFrame 提供了一些高级的科学统计功能和优化，特别是在 Spark SQL 中，可以更方便地进行复杂的数据分析和查询。而 RDD 更接近底层，缺乏这些高级功能。因此，这个选项不是两者之间的最大区别。

B: 多了schema
DataFrame 是一种带有模式（schema）的分布式数据集，这意味着它知道每列的数据类型和名称，这使得许多优化和查询更有效率。而 RDD 是没有模式的分布式数据集，只是简单的对象集合。因此，这个选项是一个显著的区别。

C: 存储方式不一样
DataFrame 和 RDD 在底层的存储方式上没有根本的不同，它们都依赖于 Spark 的分布式存储机制。因此，这个选项不是两者之间的最大区别。

D: 外部数据源支持
DataFrame 提供了更好的对外部数据源的支持，特别是在与结构化数据源（如 JSON、Parquet、Avro 等）交互时，DataFrame 提供了直接的 API。而 RDD 需要更多的手动处理来与这些数据源交互。因此，这个选项是一个显著的区别。

综合分析，B 和 D 是 DataFrame 和 RDD 之间的显著区别。其中，B（多了schema）是最直接的区别，因为 DataFrame 是在 RDD 之上引入的结构化数据抽象，schema 是其核心特征。因此，正确答案是 B: 多了schema。