mr与spark的区别是什么？（☆☆☆☆☆）
Spark利用多线程来执行具体的任务，减少任务启动的开销。MR的每一个task都是一个进程，当task完成时，进程也会结束。所以，spark比MR快的原因也在这，MR启动就需要申请资源，用完就销毁，但是spark把进程拿到以后，这个进程会一直存在，即使没有job在跑，所以后边的job可以直接启动，不需要再重新申请资源
Spark Executor中有一个BlockManager，会将内存和磁盘共同作为存储设备，有效减少IO开销。Mr是基于磁盘操作的。Hadoop每次shuffle操作后，必须写到磁盘，而Spark在shuffle后不一定落盘，可以cache到内存中，以便迭代时使用。如果操作复杂，很多的shufle操作，那么Hadoop的读写IO时间会大大增加。其实要对数据做计算，必然得把数据加载到内存， MapReduce 也不例外，Spark只是在计算模型和调度上做了更多的优化，不需要过多地和磁盘交互。
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和Spark中的DAG有向无环图来实现重建；mapreduce的话容错可能只能重新计算了，成本较高。
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。虽然慢但是可以保证计算过程的稳定性，不会像Spark一样，一旦中间结果太大，内存装不下整个计算任务就崩了，这对于不讲究时效性的后台任务来说无疑是增加了维护成本，所以现在构建数据仓库的主要SQL工具还是Hive（Hive的底层是MapReduce）。
