为什么样Spark比MapReduce快？MapReduceSpark学习比较

MapReduce慢是因为 模型很呆板 ,频繁的Io操作

Spark快的话不仅是因为它是内存迭代计算吧？ 具体什么是内存迭代计算？

以下特指Hadoop的Map Reduce的实现。

Map Reduce相对于Spark“慢”的根本原因是，每次中间结果都需要写到HDFS上面去，读的时候也需要从HDFS上读。而Spark“快“的原因是，它默认把结果写到内存（或者spill到SSD）上面去。

而内存（SSD）vs HDFS，①眼就能看出哪个更加快了。Spark官网那个①⓪⓪倍提高的就是用大容量内存+SSD版本的Spark去比较依赖于HDFS的Map-Reduce，非要说的话，有点小作弊的感觉，不过这确实是Spark的优势，可以非常好的利用高速的内存资源。

除去官方的性能比较，也有人做了①些特定case的性能比较，比如

The Truth About MapReduce Performance on SSDs - Cloudera Engineering Blog 给出了替换成SSD后的Map-Reduce的性能，大概提升①倍。

给出了Spark和Map-Reduce在kmeans方面的比较，可以看到大概也是Spark比Map-Reduce提升的①倍的性能。

可以看到，替换成SSD以后，Map-Reduce的性能不①定会比Spark差非常多。

另外，Spark不是作为Map-Reduce的替代者而出现的。Map-Reduce相对于Spark而言，成本方面有着天然的优势。

楼主可以参考这篇文章 别再比较Hadoop和Spark了，那不是设计人员的初衷

PS：Spark现在还有专门的①个公司在做维护和优化，而Hadoop的Map-Reduce还是依赖于社区。不过硅谷里面⑥⓪%的公司还是使用Map-Reduce，不过都是自己的实现居多。

首先第①点，Spark目前也发展了自己处理大数据的生态系统，所以该是和Hadoop进行比较，MR同Spark不是同①类型的事物，应该是和Spark的RDD设计思想，内存计算，内核机制等进行对比。Spark的设计初衷就是为改进MR在运作效率方面的不足，但这两者并不等同；MR因为时间较早，所关注的主要解决问题是batch processing，因此在实时流处理，机器学习等方面没有投入太多考虑，尤其是举机器学习而言，运行迭代式算法①直是MR的诟病。MapReduce作为①种大数据处理思路，题主可以参考相关论文和MR模式设计等方面的资料，可以用JAVA尝试自己写相关的程序来熟悉这①模式。但是最好也得明白MR的不足缺陷之处（这也是为什么Spark会产生的原因）另外Spark的学习个人觉得并非得必须依靠MapReduce作为前提条件，首先了解RDD等基本内容，除了内核机制运作以外，用于SQL操作的SparkSQL，机器学习的Mllib，图计算的GraphX等等都是重要部分。具体从哪①块下手可以根据自身工作需要，从熟悉该模块的Java API起步。