Hadoop
提到Hadoop大的方向一般包括两部分
- 一部分是Map Reduce计算引擎,一般说Hadoop的缺点就是说的这部分
- 另一部分是HDFS存储,目前应用还是很广泛
Map Reduce的缺点
- 只能进行Map和Reduce操作
- 中间计算结果要保存再磁盘,反复读取IO操作会消耗大量资源
- Reduce操作在Map之后,需要等并行的所有Map任务完成之后才能进行Reduce操作
- 以上2和3导致Hadoop延迟较高
Sprk针对MapReduce缺陷的改进
- 除了Map和Reduce操作还包含filter、group by、join等操作
- 中间结果保存再内存中,对中间结果的重复读取,节省时间和资源消耗
- 有向无环图可以明确各stage间的依赖关系,避免像MapReduce一样所有的Reduce操作都要依赖全部的Map执行完成