区别1
Spark 的运行模式是多线程的而Hadoop的运行模式是多进程。
区别2
Hadoop的多进程是细粒度的能够控制每个每个任务资源占用的资源，加载的时候会耗用很长的时间，不适合做低延迟的类的作业，但是增加了业务的平稳性。而Spark的多线程模型多个任务可以运行在一个jvm进程（Executor）上，可以大大的缩短加载时间，但是造成了此进程内部资源的竞争，不能细粒度的控制每一个任务占用的资源。
区别3
对于hadoop的每一个任务都需要运行在一个独立的jvm进程中，每个task执行完毕后会释放被占用的资源，这些被占用的资源不能被其他的Task所复用，每一个Task都需要经过资源的申请，运行Task，释放资源，因此造成了Mapreduce需要消耗较多的时间。而Spark是多个任务可以同时运行在同一个jvm进程（Executor），在此进程中各个Task可以共享资源（内存和cpu），相对于Hadoop大大缩短了消耗的时间。
区别4
Hadoop和Spark都采用了异步并发模式，hadoop采用的是类似于Actor的的并发模式，实现方式是epoll+状态机，儿Spark采用的是开源的Akka，Akka实现了Actor模型，性能非常高。
区别5
同一个节点上所有的任务同时运行在一个进程中有利于资源的共享，适合内存密集型的任务，尤其是对于需要加载大量词典的应用程序，可以大大的节省内存。
