spark的介绍
1、什么是spark？
分布式计算引擎，也是快速通用的大规模数据处理引擎
2、spark的特点
(1)速度快
spark的计算是基于内存的;spark具有优秀的作业调度策略
(2)易使用
spark提供了支持多种语言的API（scala、python、javan、R等;
scala的使用最为广泛（spark是基于scala语言开发的）
(3)通用性
spark提供了Spark SQL 、Spark Streaming 、Mlib、Graghx组件
(4)代码简洁
缺点：不稳定
3、Spark的组件
1、Spark Core(Spark的核心)：算子
实现了 Spark 的基本功能(任务调度、内存管理、错误恢复、与存储系统交互等模块)；
提供了很多的API来创建和操作RDD；
内部定义 了RDD（spark通过RDD将各组件联系在一起）
2、Spark SQL 是：Spark 用来操作结构化数据的程序包，可以用SQL语句进行数据查询
3、Spark Streaming ： 实时数据流处理组建，提供了用来操作数据流的 API
4、MLlib：提供了很多种机器学习算法（分类、回归、聚类、协同过滤等）
5、GraphX ：用来操作图的程序库，可以进行并行的图计算。
4、Spark与Hadoop的区别
(1)hadoop是基于磁盘的，它的运算结果保存在磁盘当中；而spark的运算是基于内存的。
(2)spark的运算速度是hadoop的100倍(官方公布)；即使在磁盘当中运算，spark也是hadoop的10倍左右
spark比hadoop速度快的两个原因：
（1）spark是基于内存，hadoop基于磁盘
（2）spark具有优秀的作业调度策略（使用了有向无环图DAG)
（3）hadoop有额外的复制，序列化，磁盘IO开销
5、Spark也是一个MapReduce模型
