spark为什么比mapreduce运行速度快很多

• 比较重要的2个原因

–            1、基于内存

mapreduce任务每次都会把结果数据落地到磁盘，后续有其他的job需要依赖于前面job的输出结果，这里就需要进行大量的磁盘io操作，获取前面job的输出结果。性能非常低

　　　　例如：select name,age from ( select * from user where address = 'beijing')
  　　　　　　------------job2--------  ------------------job1-----------------------
　　　　spark任务的输出结果可以保存在内存中，后续有其他的job需要依赖于前面job的输出结果，这里就只需要直接从内存中获取得到，大大减少磁盘io操作。

　　　　spark框架适合于迭代计算
　　　　job1----->job2----->job3----->job4----->job5----->jobN......

–           
2、进程和线程

mapreduce任务它是以进程的方式运行在yarn集群中，比如说一个mapreduce任务有100个MapTask,后期需要运行这100个task，就需要启动100个进程。
　　　　spark任务它是以线程的方式运行在worker节点的executor进程中，比如说一个spark任务有100个MapTask,这里后期需要运行100个线程就可以了。
　　　　可以这样极端一点：只需要启动一个进程，在一个进程中运行100个线程就可以了.开启一个进程比开启一个线程需要的时间和资源调度肯定是不一样,开启一个进程需要的时间远远大于线程.