为什么Spark运行比MapReduce快

为什么Spark运行比MapReduce快

Spark比MapReduce快主要有三点。
IO
Spark和MapReduce的计算都发生在内存中，但是MapReduce通常将计算的中间结果写入磁盘，从而导致了频繁的磁盘IO。
Spark则因为RDDd性分布式数据集和DAG有向无环图不需要将计算的中间结果写入磁盘，大大减少了磁盘IO。

排序
MapReduce在Shuffle时需要花费大量时间进行排序。
Spark在Shuffle时则只有部分场景才需要排序。

进程、线程
MapReduce采用了多进程模型，多进程模型好处是可以细粒度控制每个任务占用的资源，但mapreduce中的map task和reduce task是进程，每次启动都需要重新申请资源，消耗了不必要的时间。
Spark采用了多线程模型，Spark通过复用线程池中的线程来减少启动、关闭task所需要的开销。（多线程模型会出现资源争用，难以细粒度控制每个任务占用资源）