**（1）易用性** 由于 MapReduce 中僅為數據處理提供了兩個操作，即Map和Reduce，因此系統開發人員需要解決的一個難題是如何把數據處理的業務邏輯合理有效地封裝在對應的兩個類中。而通常同樣的功能若換成 Spark，其核心代碼最短僅需一行。 <br/> MapReduce 自身并沒有交互模式，需要借助 Hive 和 Pig 等附加模塊。Spark則提供了一種命令行交互模式，即 Spark Shell，使得用戶可以獲取到查詢和其他操作的即時反饋。 <br/> **（2）效率** MapReduce 中間結果寫入磁盤，效率低下，不適合迭代運算。Spark Job 中間輸出結果可以保存在內存，不再需要讀寫 HDFS。 :-:  圖 MapReduce 數據處理流程示意圖 <br/> **（3）任務啟動開銷** Spark 和 MapReduce 都實現了異步并發模型，而 MapReduce 采用的是多進程模型，Spark 采用了多線程模型。 <br/> 多進程模型：便于細粒度控制每個任務占用的資源，但會消耗較多的啟動時間，不適合運行低延遲類型的作業，這是MapReduce廣為詬病的原因之一。 多線程模型：則相反，該模型使得 Spark 很適合運行低延遲類型的作業。 <br/> **（4）迭代處理** MapReduce不適合迭代處理、交互式處理和流式處理，而Spark可以。