Apache Hadoop MapReduce是hadoop中用于海量数据计算的组件,Apache Spark™是一个用于大规模数据处理的统一分析引擎,都是干同一件事的，那既然先有Hadoop MapReduce，为什么还要Spark呢？
1.MapReduce和Spark缘起
我一直觉得google和苹果，微软这些公司不一样，google是真正赚钱的同时推进世界的发展
hadoop mapReduce：2004年Google公布了GFS和MapReduce两篇著名的论文，为了解决大数据的存储和计算。基于此两篇论文众多大老不断探索，不断发展才有了hdfs和mapReduce的软件产品。Doug Cutting根据GFS和MapReduce的思想创建了开源Hadoop（自己孩子的玩具名称）框架，2006年1月，Doug Cutting加入Yahoo，领导Hadoop的开发。2006年算是hadoop的元年。2008年1月，Hadoop已成为Apache顶级项目。
spark:2009年，Spark诞生于伯克利大学AMPLab，最开初属于伯克利大学的研究性项目。它于2010年正式开源，并于2013年成为了Aparch基金项目，并于2014年成为Aparch基金的顶级项目，整个过程不到五年时间。
2.MapReduce和Spark的区别
2.1、spark把运算的中间数据存放在内存，迭代计算效率更高，Spark中除了基于内存计算外，还有DAG有向无环图来切分任务的执行先后顺序；mapreduce的中间结果需要落地，需要保存到磁盘，
这样必然会有磁盘io操做，影响性能。
2.2、spark容错性高，它通过弹性分布式数据集RDD来实现高效容错，RDD是一组分布式的存储在节点内存中的
只读性质的数据集，这些集合是弹性的，某一部分丢失或者出错，可以通过整个数据集的计算流程的血缘关系
来实现重建；mapreduce的话容错可能只能重新计算了，成本较高。
2.3、spark更加通用，spark提供了transformation和action这两大类的多个功能api，另外还有流式处理
sparkstreaming模块、图计算GraphX等等；mapreduce只提供了map和reduce两种操作，流计算以及其他
模块的支持比较缺乏。
2.4、spark框架和生态更为复杂，首先有RDD、血缘lineage、执行时的有向无环图DAG、stage划分等等，
很多时候spark作业都需要根据不同业务场景的需要进行调优已达到性能要求；mapreduce框架及其生态
相对较为简单，对性能的要求也相对较弱，但是运行较为稳定，适合长期后台运行。
