弄清Spark、Storm、MapReduce的这几点区别才能学好大数据

很多初学者在刚刚接触大数据的时候会有很多疑惑，比如对MapReduce、Storm、Spark三个计算框架的理解经常会产生混乱。

哪一个适合对大量数据进行处理？哪一个又适合对实时的流数据进行处理？又该如何来区分他们呢？

我对比整理了这3个计算框架的基本知识，大家可以了解一下以便对这个3个计算框架有一个整体的认识。
大数据学习群119599574

MapReduce

• 分布式离线计算框架

• 主要适用于大批量的集群任务，由于是批量执行，故时效性偏低。

• 原生支持 Java 语言开发 MapReduce ，其它语言需要使用到 Hadoop Streaming 来开发。

Spark

• Spark 是专为大规模数据处理而设计的快速通用的计算引擎，其是基于内存的迭代式计算。

• Spark 保留了MapReduce 的优点，而且在时效性上有了很大提高，从而对需要迭代计算和有较高时效性要求的系统提供了很好的支持。

• 开发人员可以通过Java、Scala或者Python等语言进行数据分析作业编写，并使用超过80种高级运算符。

• Spark与HDFS全面兼容，同时还能与其它Hadoop组件—包括YARN以及HB