概述_Spark与Hadoop

Spark仅做计算，而Hadoop生态圈不仅有计算MapReduce、也有存储HDFS和资源管理调度YARN，HDFS和YARN仍是许多大数据体系的核心架构。Spark依然需要Hadoop的支持。

MR在计算过程中中间结果涉及到多次磁盘持久化。

Spark 借鉴了 MapReduce 思想发展而来，保留了其分布式并行计算的优点并改进了其明显的缺陷。让中间数据存储在内存中提高了运行速度、并提供丰富的操作数据的API提高了开发速度。

注意：在计算层面，Spark相比较MapReduce有巨大的性能优势，但至今仍有许多计算工具基于MR构架，比如非常成熟的Hive。

实时效果反馈

1. 关于Spark和Hadoop的描述，错误的是：

A Spark计算速度明显高于Hadoop，所以Spark可以取代Hadoop。

B Spark仅做计算，而Hadoop生态圈不仅有计算MapReduce、也有存储HDFS和资源管理调度YARN。

C 在计算层面，Spark相比较MapReduce有巨大的性能优势，但至今仍有许多计算工具基于MR构架，比如非常成熟的Hive。

D Spark借鉴了MapReduce 思想发展而来，保留了其分布式并行计算的优点并改进了其明显的缺陷。

答案：

1=>A 长期共存，无法取代。