spark是一个可以替代mapreduce的新的分布式并行计算框架，其底层源码由SCALA写成，支持python、scala、java等大多数机器语言。
spark的优点：
1.mapreduce执行过程中，运行结束的task进程会释放掉进程占用的资源。spark只有当任务执行完了才会一次性把所有资源释放掉
2.MapReduce中执行Job，Job里面包涵一个或者多个的task，task分为MapTask和ReduceTask；spark的结构是application中包涵多个job（并行或者串行），job下有多个stage（stage以shuffle划分），stage下有众多task，多个task组成Task Set。
3.MapReduce的在运行中数据主要依靠磁盘，spark的运行数据会cache到内存中，读写速度更快，还可以通过persist优化，数据到内存和磁盘等五种方式
4.MapReduce的逻辑更加复杂，要考虑执行逻辑、资源分配、代码逻辑等，而spark只需要考虑代码逻辑，大部分工作由spark自行完成，当然在spark优化中，execute core、execute memory等可以做优化
二、spark的模式
1.本地模式
2.spark standalone模式：集群模式，由spark完全实现容错性和资源管理
3.spark on yarn模式：集群模式，运行在yarn这个通用资源管理系统上的，和其他框架共享资源，其中yarn-cluster模式和yarn-client模式，client模式主要用来做交互和调试，cluster模式主要用于生产环境。两者的区别在于AM（application master）进程，cluster模式下，drive在AM中，向yarn的RM申请资源，并监督任务的运行情况，在完成申请之后，关闭client端；client模式下，AM仅向yarn请求executor，client会和请求的container通信来调度任务，并直至任务完成，client不能离开。在实际情况下，client模式能耐提交的任务在cluster模式下可能跑不通。
