spark比MapReduce快的原因

park比MapReduce快的原因

Spark是基于内存的，而MapReduce是基于磁盘的迭代

1. MapReduce的设设计：中间结果保存在文件中，提高了可靠性，减少了内存占用。但是牺牲了性能。
2. Spark的设计：数据在内存中进行交换，要快一些，但是内存这个东西，可靠性不如磁盘。所以性能方面比MapReduce要好。

DAG计算模型在迭代计算上还是比MapReduce的效率更高

有向无环图是指：一个图从顶点出发，无法再回到原点，那么这种图叫做有向无环图。

DAG计算模型在spark任务调度

Spark比MapReduce快的根本原因在于DAG计算模型，一般而言，DAG比MapReduce在大多数情况下可以减少shuffle次数，spark的DAG相当于一个改进版的MapReduce，如果计算不涉及其他节点进行数据交换，spark可以在内存中一次性完成这些操作，也就是中间结果无需落地磁盘，减少了磁盘IO的操作。但是，如果计算过程中涉及到计算交换，Spark也会把shuffle的数据写磁盘。

Spark比MapReduce快的主要原因是spark将反复用到的数据cache到内存中，减少数据加载耗时。

Spark是粗粒度资源调度，MapReduce是细粒度资源调度

Rdd的五大特性

1. rdd是由一系列的partition组成
2. 每一个函数或者算子实际上是作用在partition上的，
3. Rdd之间具有相互依赖关系，
4. 分区器是作用在（k,v）格式的rdd上的，分区器作用在shuffle的written阶段，决定了每一条记录写入哪一个分区

（k,v）格式的rdd:如果rdd中的数组是由二元对象组成的，这个rdd就是（k,v）格式的rdd

1. 每个rdd都会提供最佳的计算位置，有利于计算数据的本地化，符合大数据的计算原则，计算向数据移动。