* 速度快 * <ins>基于內存數據處理</ins>，比MR快100個數量級以上（邏輯回歸算法測試） * 基于硬盤數據處理，比MR快10個數量級以上 * 易用性 * 支持Java、Scala、Python、R語言，在 Spark 的實際項目開發中多用 Scala 語言，約占 70%；其次是 Java，約占 20%；而 Python 約占 10%。 * 交互式shell方便開發測試 * 通用性 * 一棧式解決方案：批處理、交互式查詢、實時流處理、圖計算及機器學習  * 多種運行模式 * YARN、Mesos、EC2、Kubernetes、Standalone、Local * Spark on Yarn 模式：在這一模式下，Spark 作為一個提交程序的客戶端將 Spark任務提交到 Yarn 上，然后通過 Yarn 來調度和管理 Spark 任務執行過程中所需的資源。在搭建此模式的 Spark 集群過程中，需要先搭建 Yarn 集群，然后將 Spark作為 Hadoop 中的一個組件納入到 Yarn 的調度管理下，這樣將更有利于系統資源的共享。 * Spark on Mesoes 模式：Spark 和資源管理框架 Mesos相結合的運行模式。ApacheMesos與Yarn類似，能夠將CPU、內存、存儲等資源從計算機的物理硬件中抽象地隔離出來，搭建了一個高容錯、彈性配置的分布式系統。Mesos 同樣也采用 Master/Slave 架構，并支持粗粒度模式和細粒度模式兩種調度模式。 * Spark Standalone 模式：該模式是不借助于第三方資源管理框架的完全分布式模式。Spark 使用自己的 Master 進程對應用程序運行過程中所需的資源進行調度和管理。對于中小規模的 Spark 集群首選 Standalone 模式。