Spark是分布式内存计算框架，而不是分布式内容存储框架，搭配tachyon分布式内存文件系统，会更加有效果。
在文件模式下，spark比hadoop快10倍，在内存计算模式下，快100倍！
下面是一些
1 spark是分布式 基于内存 特别适合于迭代计算的计算框架
2 mapReduce就两个阶段map和reduce，而spark是不断地迭代计算，更加灵活更加强大，容易构造复杂算法。
3 spark不能取代hive，hive做数据仓库存储，spark sql只是取代hive的计算引擎，成为分析平台，hadoop作为存储平台
4 spark中间数据可以在内存也可以在磁盘
5 partition是一个数据集合
6 注意：初学者执行多个步骤要注意分步检验，不然不知哪里错了
7 var data = sc.textFile("/user") 不必写hdfs:// ，根据上下文判断
8 读文件得到HadoopRDD，去掉文件中索引，得到MapPartitionsRDD,这样一系列分片的数据分布在 不同的机器。
9 移动计算而不是移动数据
移动计算表示分布到各个机器上，分别计算自身负责的那部分数据，而不是把数据从各个机器上移动来进行计算。
计算完后进行数据汇总。
原文地址：http://36006798.blog.51cto.com/988282/1854033
