[spark面试]spark与mapreduce的区别---在DAG方面

1、spark中的task是以线程实现的，而mapreduce中是以进程实现的。

进程的频繁启动和停止会增加资源的消耗。

2、spark中支持DAG，而mapreduce不支持DAG

DAG的使用：为什么支持DAG会更加高效

        1）、在DAG图中，会将一个job划分为不同的stage，同一个stage会在内存中进行转换，而不同stage之间需要进行shuffle过程，否则对于spark来说，他并不知道哪一个RDD之间的转换需要使用磁盘。——即第三个区别

        2）、spark的lazy模式（惰性求值），就是基于DAG图实现的，因为DAG图中存放了task中的血缘关系。

        lazy模式的优点：

                1、可以减少数据传输和计算开销，例如，多个转换操作可以在一次计算中并行执行，避免了多次中间结果的生成和传输。

                2、优化执行计划：Spark 可以在执行时分析整个计算图，并应用各种优化技术，如 管道化（Pipelining） 和 合并操作（Operation Fusion）。

        3) spark的宽窄依赖和DAG的相互配合可以在某一个分区的数据丢失时，快速恢复，不需要从头开始。

        若在一个stage中的有某一个分区的数据丢失，可以通过DAG和窄依赖（父RDD分区的数据只传递给子RDD的某一个分区）对该分区的数据进行回溯，当然若是跨了多个stage，就麻烦了。

3、spark主要是基于一个内存的引擎，而mapreduce是基于磁盘的。