Hadoop和Spark的区别解决问题的出发点不一样，Hadoop用普通硬件解决存储和计算问题。 Spark用于构建大型的、低延迟的数据分析应用程序，不实现存储。Spark是在借鉴了MapReduce之上发展而来的，继承了其分布式并行计算的优点并改进了MapReduce明显的缺陷。Spark中间数据放到内存中，迭代运算效率高。
Spark引进了弹性分布式数据集的抽象，数据对象既可以放在内存，也可以放在磁盘，容错性高，可用自动重建，RDD计算时可以通过CheckPoint来实现容错。
Hadoop只提供了Map和Reduce操作。而Spark更加通用，提供的数据集操作类型有很多种，主要分为： Transformations和Actions两大类。
