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）
最后
以上就是失眠小松鼠最近收集整理的关于为什么Spark运行比MapReduce快的全部内容，更多相关为什么Spark运行比MapReduce快内容请搜索靠谱客的其他文章。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
发表评论 取消回复