（一）初识Spark

1、什么是Spark

官网地址：http://spark.apache.org/

Apache Spark™是用于大规模数据处理的统一分析引擎。

从右侧最后一条新闻看，Spark也用于AI人工智能

spark是一个实现快速通用的集群计算平台。它是由加州大学伯克利分校AMP实验室 开发的通用内存并行计算框架，用来构建大型的、低延迟的数据分析应用程序。它扩展了广泛使用的MapReduce计算

模型。高效的支撑更多计算模式，包括交互式查询和流处理。spark的一个主要特点是能够在内存中进行计算，及时依赖磁盘进行复杂的运算，Spark依然比MapReduce更加高效。
2、Spark优势在哪里

MapReduce

Google的三篇论文开启了大数据处理的篇章，其中MapReduce被各大公司作为数据处理的主要方案。MapReduce的思想也是从早期的函数式编程语言中借鉴而来，推广到了分布式系统中，接触的东西多了，发现原来很多知识都是相通的。（很多初入IT行业的新人，面对不断出现的新技术往往会比较迷茫，到底该学哪一个呢，其实找到一个自己感兴趣的方向，并努力探索下去，相信慢慢就会一通百通，当然我也是个新银，个人观点，仅供参考^ ^）

传统的数据处理方式通常是将数据导入至专门的数据分析工具中，这样会面临两个问题：1、如果源数据非常大时，往往数据的移动就要花费较长时间。2、传统的数据处理工具往往是单机模型，面对海量数据时，数据处理的时间也是一个很大的问题。

MapReduce是离线批量计算的代表，采用移动计算优于移动数据的理念，计算任务通常直接在HDFS的datanode上运行，这样避免了数据的移动（当然reduce阶段还是需要节点间传输数据），并且采用并行计算的方式，大大减少了数据处理时间。