Spark：快速的通用的分布式计算框架
概述和特点：
1) Speed,（开发和执行）速度快。基于内存的计算；DAG（有向无环图）的计算引擎；基于线程模型；
2）Easy of use,易用 。 多语言（Java,python,scala,R）; 多种计算API可调用；可在交互式模式下运行；
3）Generality 通用。可以一站式解决多个不同场景的应用业务
Spark Streaming :用来做流处理
MLlib ： 用于机器学习
GraphX：用来做图形计算的
4） Runs Everywhere ：
（1）可以运行在Hadoop的yarn，Mesos,standalone（Sprk自带的）这些资源管理和调度的程序之上
（2） 可以连接包括HDFS,Cassandra,HBase,S3这些数据源
产生背景：
1）MapReduce 局限性
（1）代码繁琐（官网有WordOCunt案例）
（2）效率低下：
a) 有结果写入磁盘，降低效率；
b) 通过进程模型，销毁创建效率低
（3）只能支持map和reduce方法
（4） 不适合迭代多次，交互式，流水的处理
2） 框架的多样化
（1）批处理（离线）：MapReduce,Hive,Pig
（2）流式处理（实时）：Storm,Jstorm
（3）交互式计算 ：Impala
综上： 框架的多样化导致生产时所需要的框架繁多，学习运维成本较高，那么有没有一种框架，
既能执行效率高，学习成本低，还能支持批处理和流式处理与交互计算呢？
结论：Spark诞生
Spark与Hadoop对比：
Hadoop生态系统
Hive:数据仓库
R:数据分析
Mahout:机器学习库
pig：脚本语言，跟Hive类似
Oozie:工作流引擎，管理作业执行顺序
Zookeeper:用户无感知，主节点挂掉选择从节点作为主的
Flume:日志收集框架
Sqoop:数据交换框架，例如：关系型数据库与HDFS之间的数据交换
Hbase : 海量数据中的查询，相当于分布式文件系统中的数据库
BDAS：Berkeley Data Analytics Stack(伯克利数据分析平台)
Spark与Hadoop生态圈对比
注意：在对实时的查询来说，Spark只是一个快速的分布式计算框架，所以没有存储的框架，但是可以连接多个存储的数据源
Hadoop与Spark对比
MapReduce与Spark对比：
MapReduce:若进行多次计算，MP则需要将上一次执行结果写入到磁盘，叫做数据落地
Spark：直接将存储在内存中的结果拿来使用，没有数据落地
Spark与Hadoop的协作性
Spark概述和与Hadoop对比
