spark为什么比MapReduce速度快

比mapreduce在内存中快100倍, 比mapreduce在磁盘中快10倍

重要原因：

1）mapreduce中间结果数据只能够保存在磁盘，spark可以保存在内存中。
比如说一个任务有2个job，在mapreduce中会存在shuffle，同样spark里面也会存在shuffle

      * 它们的shuffle产生的数据都会落地到磁盘

    * mapreduce中前面的job运行完成后，当前该job的结果只能保存在磁盘，后面的job需要依赖于前面job的结果，这个时候只能进行大量的磁盘io操作

（2）mapreduce里面如果有大量的任务（Map任务和Reduce任务），比如说此时一共有1000个任务，每一个任务都是以进程的方式运行在yarn中。在spark中同样也有1000个任务，每一个任务都是以线程方式运行在spark集群中，开启一个进程跟开启一个线程代价和时间都是不一样的。进程的开启需要的资源远远大于线程。