Spark与MR的区别

1.Spark在运算过程中将中间数据存放在内存，迭代计算的效率更高；MapReduce在计算过程中需要先将结果落地，保存到磁盘中，这样的话必然会有磁盘的IO操作，影响其性能。

2.Spark容错性搞，它通过弹性分布式数据集RDD来实现高校容错，RDD是一组分布式的存储在节点内存中的只读性质的数据集，这些集合是弹性的，某一部分丢失或者出错，可以通过整个数据集的计算流程的学院关系来实现重建。而MapReduce的容错可能只能重新计算，成本较高。

3.Spark相比较MapReduce更加通用和灵活，Spark提供了transformation和action这两大类的多个功能api，另外还有流式处理sparkstreaming模块，图计算等等。而MapReduce只提供了map和reduce两种操作，流计算以及其他模块的支持比较缺乏。

4.spark框架和生态更为复杂，首先有RDD、血缘lineage、执行时的有向无环图DAG、stage划分等等，很多时候spark作业都需要根据不同业务场景的需要进行调优已达到性能要求；mapreduce框架及其生态相对较为简单，对性能的要求也相对较弱，但是运行较为稳定，适合长期后台运行。

总结，spark生态更为丰富，功能更为强大、性能更佳，适用范围更广；mapreduce更简单、稳定性好、适合离线海量数据挖掘计算。