Spark和MapReduce的比较（包含磁盘内存，算子，粗粒度资源申请和细粒度资源申请）【文字说明原理+图片】

Spark是开源的通用的计算框架，目的是为了使数据分析更快。MR也是计算框架。
        区别？
            1).MR是基于磁盘迭代，Spark是基于内存迭代。
            2).Spark中有DAG有向无环图。
            3).MR中只有map,reduce两个类，相当于Spark中两个算子。Spark中有三类算子(转换算子，行动算子，持久化算子)。
            4).MR是细粒度资源申请，Spark是粗粒度资源申请

Spark的粗粒度资源申请

Application执行完之前，首先将所有的资源申请完毕之后再执行，再运行，task执行时就不需要自己去申请资源，task相对较快，Application执行就快，当最后一个task执行完毕之后，所有的资源才会被释放

优点：

Application执行快

缺点：

容易造成集群资源不能充分利用

Spark是粗粒度资源申请

Spark中提供了一系列方便的算子

MR中只有map，reduce算子，其他需要自己去实现

Mapreduce的细粒度资源申请

Application执行时，不会将所偶遇资源申请完毕，由task执行时，自己申请，task执行完毕之后，资源立即被释放，Task相对较慢，application就执行相对较慢

优点：集群资源可以充分利用

缺点：相对较慢

图示如下：