MapReduce和Apache Spark的区别

MapReduce 是一个框架，利用这个框架，我们可以编写函数，以可靠的方式在商品硬件的巨大集群上并行处理大量数据。它也是一种处理方法和一种主要基于java的分布式计算的应用模式。MapReduce算法包含了两个必要的任务，特别是Map和Reduce。Map采取一组记录，并将其转换为每一个其他的数据集，其中个别因素被分解为以键值对存在的图元。另外，它还有助于最小化任务，它将Map的输出作为一个入口，并将这些统计图元组合成一个较小的图元集。正如标题MapReduce的顺序所暗示的那样，减少任务是在地图工作之后持续进行的。

Apache Spark 是一个数据处理框架，可以在非常庞大的信息集上快速运行处理任务，还可以将信息处理任务分布在几台计算机上，既可以独立完成，也可以与其他分配的计算工具串联。这两个功能是海量信息和机器学习领域的关键，这些领域需要调集大量的计算能量来压缩大量的信息存储。此外，Spark还通过一个易于使用的API将这些职责的一些编程负担从开发人员的肩上卸下，该API将分布式计算和大型信息处理的大量繁琐工作抽象化。

MapReduce和Spark之间的区别 –

编号	MapReduce	Spark
1	MapReduce是一个开源的框架，用于将数据写入Hadoop分布式文件系统中。	Spark是一个开源的框架，用于更快的数据处理。
2	与Apache Spark相比，它的速度非常慢。	Spark比MapReduce快得多。
3	MapReduce不能处理实时处理。	Spark可以处理实时处理。
4	MapReduce很难编程，因为你需要为每个进程编写代码。	Spark很容易编程。
5	MapReduce支持更多的安全项目。	Spark的安全性不如MapReduce，并在不断解决其安全问题。
6	在执行任务时，MapReduce无法在内存中进行缓存。	Spark可以缓存内存中的数据来处理其任务。
7	MapReduce的可扩展性很好，因为可以增加到n个不同的节点。	与MapReduce相比，它的可扩展性较低。
8	MapReduce实际上需要其他的查询来执行任务。	Spark有Spark SQL作为自己的查询语言。