为什么Spark运行比MapReduce快

为什么Spark运行比MapReduce快

  • IO
  • 排序
  • 进程、线程

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RDD弹性分布式数据集和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)

你可能感兴趣的:(spark,mapreduce)