大數(shù)據(jù)里spark和hadoop的mr相比有哪些優(yōu)勢，能否用較通俗的語言解釋一下？Spark是一個內(nèi)存計算框架，而Mr是一個離線計算框架。因此，與MR相比，spark具有更快的速度，尤其是迭代速度。當

大數(shù)據(jù)里spark和hadoop的mr相比有哪些優(yōu)勢，能否用較通俗的語言解釋一下？

Spark是一個內(nèi)存計算框架，而Mr是一個離線計算框架。因此，與MR相比，spark具有更快的速度，尤其是迭代速度。當spark用于計算時，中間結果將緩存在內(nèi)存中。當需要再次使用時，不需要從磁盤讀取數(shù)據(jù)。Mr需要將中間結果寫入磁盤，并在再次使用時從磁盤重新讀取。磁盤I/O通常非常耗時。

除了離線計算速度更快之外，spark比Mr更適合場景，spark的流媒體模塊可以實現(xiàn)實時或近線流媒體計算。

此外，sparksql使您可以輕松地使用SQL分析數(shù)據(jù)。

Storm與Spark，Hadoop相比是否有優(yōu)勢？

Hadoop是當前大數(shù)據(jù)管理標準之一，在許多商業(yè)應用系統(tǒng)中都有使用。它可以方便地集成結構化、半結構化甚至非結構化的數(shù)據(jù)集或離線處理。批處理的應用更為廣泛。Hive

storm是一個用于處理高速大數(shù)據(jù)流的分布式實時計算系統(tǒng)。在Hadoop中添加可靠的實時數(shù)據(jù)處理功能

spark是基于內(nèi)存的，吞吐量比storm大一點。而spark集成的spark SQL、mllib、graph似乎更方便

在hadoop和spark之間如何取舍？

一般來說，會用到主流行業(yè)的大數(shù)據(jù)技術Hadoop和spark。學習時，兩個系統(tǒng)都會學習，先學習Hadoop，再學習spark。

Apache開源組織的分布式基礎設施提供了分布式文件系統(tǒng)（HDFS）、分布式計算（MapReduce）和統(tǒng)一資源管理框架（yarn）的軟件體系結構。用戶可以在不了解分布式系統(tǒng)的基本細節(jié)的情況下開發(fā)分布式程序。

為大規(guī)模數(shù)據(jù)處理設計的快速通用計算引擎。用于構建大型、低延遲的數(shù)據(jù)分析應用程序。它可以用來完成各種操作，包括SQL查詢、文本處理、機器學習等。

https://www.toutiao.com/i654015696262573648397/

hadoop與spark的區(qū)別是什么？

感謝您的邀請

！請看下面的圖片：

狹義的Hadoop，也就是原始版本：只有HDFS map reduce

未來會出現(xiàn)很多存儲、計算和管理框架。

如果我們比較它們，我們可以比較Hadoop map reduce和spark，因為它們是用于大數(shù)據(jù)分析的計算框架。

Spark有許多線路組件，它們更強大、更快。