为什么Spark比MapReduce快

前言

边上的哥们问了这样一个问题：
无论什么数据都必须得加载到在内存中计算，为什么Spark就比MapReduce快那么多？

先上一幅Spark官网的图：

在官网这张图里隐隐约约的看到一个词：DAG

使用最先进的DAG程序——这一句话已经告诉我们速度提高100倍的关键原因（当然后面写的查询优化器和物理执行引擎也是一部分原因），好了，这哥们的问题已经解决了

简要说明

Spark对速度的最大声称是它能够 “在内存中运行程序比Hadoop MapReduce快100倍，在磁盘上运行速度提高10倍。” Spark可以提出这种说法，因为它在工作节点的主存储器中进行处理，并防止对磁盘进行不必要的 I / O操作。
Spark提供的另一个优势是即使在应用程序编程级别也可以链接任务，而无需写入磁盘或最大限度地减少对磁盘的写入次数（说的就是DAG的好处）。

煮个例子描述

val textFile = sc.textFile("README.md") 
val wordCounts = textFile.flatMap(line => line.split(" ")).map(word => 
(word, 1)).reduceByKey((a, b) => a + b) 
wordCounts.collect()

代码在运行中生成的上一个Spark作业的DAG将如下所示：