首先，Hadoop和Apache Spark两者都是大数据框架，但是各自存在的目的不尽相同Hadoop实质上更多是一个分布式数据基础设施它将巨大的数据集分派到一个由普通计算机组成的集群中的多个节点进行存储，意味着您不需要购买和维护昂贵；Spark大数据处理技术以Spark 09版本为基础进行编写，是一本全面介绍Spark及Spark生态圈相关技术的书籍，是国内首本深入介绍Spark原理和架构的技术书籍主要内容有Spark基础功能介绍及内部重要模块分析，包括部署模式调度；百度网盘Spark_SQL大数据实例开发教程高清在线观看 ？pwd=1234 提取码1234 内容简介 杨池然编著的SAS开发经典案例解析以经典案例的形式讲解SAS的实际应用全书共分12。

以大数据开发来说，其中涉及到的主要是大数据应用开发，要求一定的编程能力，在学习阶段，主要需要学习掌握大数据技术框架，包括hadoophiveoozieflumehbasekafkascalaspark等等#xF4CA大数据分析以大数据分析来说，有主攻业务运营方面；首先大数据spark技术是基于Python和scala编程语言的，熟悉掌握这两种编程语言是必须的其次是要学习spark应用场景模型和集群搭建等内容还有后期的大数据处理等都是必要的知识点。

Hadoop和Spark均是大数据框架，都提供了一些执行常见大数据任务的工具，但确切地说，它们所执行的任务并不相同，彼此也并不排斥 虽然在特定的情况下，Spark据称要比Hadoop快100倍，但它本身没有一个分布式存储系统 而分布式存储；如果面试时被问到spark任务如何调优，我们该如何回答呢下面我们从四大方面回答这个问题，保证吊打面试官一spark性能调优 1分配更多的资源 比如增加执行器个数num_executor增加执行器个数executor_cores增加；毫无疑问，为专家设计的产品一般都会停留在原来的轨道上，在其他方面不会有所涉及但Spark在各个行业都存在一些有意义的分布，这可能要归功于各种市场上的大数据的泛滥所以，虽然Spark可能有更广泛的应用，但Hadoop仍然支配着。