市面上活跃的大数据处理框架，Spark一定是其中之一，尤其是随着近年来大数据实时数据流处理、批处理等概念的兴起，Spark框架得到进一步的重用。很多时候，Spark常常被拿来与Hadoop做比较。下面海牛学院就来为大家介绍一下，Spark框架有哪些特点?

　　Spark相对于Hadoop的MapReduce计算框架，同样是基于分布式架构，Spark做了比较大的一个改变，那就是基于内存进行计算，也正是因为Spark基于内存计算的特性，Spark的计算性能得到极大的提升。

　　Spark的特点：

　　一、快速

　　早期的Hadoop MapReduce计算框架，受限于磁盘读/写性能和网络I/O性能的约束，在处理迭代计算、实时计算、交互式数据查询等方面并不高效，而这些问题正是Spark开发的方向。Spark基于内存进行存储，能够为多个不同数据源的数据提供近乎实时的处理性能。

　　综合各种实验表明，Spark在处理迭代计算问题上，要比MapReduce快20多倍，计算数据分析类报表的速度可提高40多倍，能够在5~7秒的延时内交互式扫描1TB数据集。

　　二、简洁易用

　　易用性是Spark设计之初就考虑进去的，Spark支持多种语言的API，包括Scala、Java、Python、R等，这使得大数据工程师在进行程序开发时更加便捷。Spark基于Scala语言开发，其强大的类型推断、模式匹配、隐式转换等一系列功能，结合丰富的描述能力，使得Spark应用程序代码非常简洁。

　　另外，Spark的易用性还体现在其针对数据处理提供丰富的操作。Spark提供80多个针对数据处理的基本操作，如map、flatMap、reduceByKey、filter、cache、collect、textFile等，这使得用户基于Spark进行应用程序开发非常简洁高效。

　　三、通用

　　Spark发展至今，已经形成了相对完备的生态圈，基于核心Spark Core，Spark提供了一系列面向不同应用需求的组件，Spark SQL、Spark Streaming、MLlib、GraphX，面对大数据处理场景上的各种问题，都能给出相应的解决方案。

　　Spark框架有哪些特点?需要注意的是，作为大数据主流的应用框架之一，Spark确实表现不错，但是也并非完美，只能说在计算性能上，确实很强势。

　　海牛学院专注于大数据课程开发及培训，"因为专注，所以专业"。如果您想要了解更多大数据的知识，您可以浏览我们的网站，我们会为您提供更专业服务。