**（1）易用性** 由于 MapReduce 中仅为数据处理提供了两个操作，即Map和Reduce，因此系统开发人员需要解决的一个难题是如何把数据处理的业务逻辑合理有效地封装在对应的两个类中。而通常同样的功能若换成 Spark，其核心代码最短仅需一行。 <br/> MapReduce 自身并没有交互模式，需要借助 Hive 和 Pig 等附加模块。Spark则提供了一种命令行交互模式，即 Spark Shell，使得用户可以获取到查询和其他操作的即时反馈。 <br/> **（2）效率** MapReduce 中间结果写入磁盘，效率低下，不适合迭代运算。Spark Job 中间输出结果可以保存在内存，不再需要读写 HDFS。 :-:  图 MapReduce 数据处理流程示意图 <br/> **（3）任务启动开销** Spark 和 MapReduce 都实现了异步并发模型，而 MapReduce 采用的是多进程模型，Spark 采用了多线程模型。 <br/> 多进程模型：便于细粒度控制每个任务占用的资源，但会消耗较多的启动时间，不适合运行低延迟类型的作业，这是MapReduce广为诟病的原因之一。 多线程模型：则相反，该模型使得 Spark 很适合运行低延迟类型的作业。 <br/> **（4）迭代处理** MapReduce不适合迭代处理、交互式处理和流式处理，而Spark可以。