当前有不少公司将Spark和Hadoop同步使用，从一名使用者的角度来看，Spark作为一种大数据通用的计较引擎，可能今朝尚未成熟，但有朝一日替代Hadoop并非不成能。
1. 不异的算法，Spark比Hadoop快数倍，若是是一些迭代或者要对数据频频读取的算法，Spark比Hadoop快数十倍至上百倍；
2. Spark对付数据的把持品种更多，对付一些斗劲不凡的计较需求，比如求两个集结的交集并集，Spark都有函数直接计较，而Hadoop实现如许的计较无比繁琐；
3. Spark的开发服从比Hadoop高良多。 大数据学习群：199427210
但同时也要看到，Hadoop作为一种分布式体系根本架构，在今朝的企业应用中是斗劲随意实现的，并且施行本钱较低。它的开源特征也使其较为适用。
从内容层面来讲，Spark也并非无懈可击，今朝来看Spark还有良多bug，并且可以看的质料也不多。
对付大数据的进修者来说，小编仍是建议两者都不要不放在眼里，都应理当做重点来进修，由于两者今朝在企业中的应用都是比价遍及而重要的。若是有同窗必要Hadoop和Spark质料的同窗可以私信小编。
