资料来源（spark官网）：http://spark.apache.org/
首先我们看下官网是怎么对spark进行定义的，下面这句话就是官网的一句话：

第一句：Apache Spark 闪电般快速的统一分析引擎
第二句：Apache Spark是用于大规模数据处理的统一分析引擎。

通过以上两句话，我们可以发现，spark具有速度快，功能多的特点。

下面我们看一看spark官网给出的几个特点：

第一：快速

它和hadoop进行了一个对比，认为比hadoop快100多倍！这一点我们应该客观看待，一般比较的时候，都是比较自己好的一面，所以列出来这么夸张的数字，我只认为他应该比hadoop的快一些。

原因分析：

原因一：
Hadoop的计算框架MapReduce是面向磁盘，它的中间结果要写入磁盘，因此速度受限于频繁的读写性能和网络I/O性能的约束，所以在处理迭代计算、实时计算、交互式数据查询时候，效率较差，原因就是MapReduce需要频繁传输和读写。

然而，在数据挖掘、图计算、以及机器学习等相关应用领域中，迭代计算、实时计算、交互式数据查询确实非常常见。但是Spark是面向内存的大数据处理引擎，spark将数据存储在内存中并基于内存进行计算。这使得Spark能够为多个不同数据源的数据提供近乎实时的处理性能，适用于需要多次操作特定数据集的应用场景。

原因二：
Spark中使用了有向无环图（Directed Acyclic Graph，DAG）这一概念。一个Spark应用由若干个作业构成，首先Spark将每个作业抽象成一个图，图中的节点是数据集，图中的边是数据集之间的转换关系；然后Spark基于相应的策略将DAG划分出若干个子图，每个子图称为一个阶段，而每个阶段对应一组任务；最后每个任务交由集群中的执行器进行计算。借助于DAG，Spark可以对应用程序的执行进行优化，能够很好地实现循环数据流和内存计算。

第二：易用

spark支持多种语言，Java， scala， python， R以及SQL，这确实体现了他的易用性，但是spark是scala编写的，所以scala会更好一些，其他也都ok，我用过python和java都还不错。

除此之外spark的易用还提现在，Spark提供了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。相对于MapReduce只要map和reduce两个操作而言，大大的提高了易用性。

第三：普遍

这一点也正好印证了spark是一个统一的分析引擎，具有多种功能模块。

Spark SQL是Spark用来操作结构化数据的组件。通过Spark SQL，用户可以使用SQL或者Apache Hive版本的SQL方言（HQL）来查询数据。Spark SQL支持多种数据源类型，例如Hive表、Parquet以及JSON等。

Spark Streaming是Spark平台上针对实时数据进行流式计算的组件，提供了丰富的处理数据流的API。由于这些API与Spark Core中的基本操作相对应，因此开发者在熟知Spark核心概念与编程方法之后，编写Spark Streaming应用程序会更加得心应手。从底层设计来看，Spark Streaming支持与Spark Core同级别的容错性、吞吐量以及可伸缩性。

MLlib是Spark提供的一个机器学习算法库，其中包含了多种经典、常见的机器学习算法，主要有分类、回归、聚类、协同过滤等。MLlib不仅提供了模型评估、数据导入等额外的功能，还提供了一些更底层的机器学习原语，包括一个通用的梯度下降优化基础算法。所有这些方法都被设计为可以在集群上轻松伸缩的架构。

GraphX是Spark面向图计算提供的框架与算法库。GraphX中提出了弹性分布式属性图的概念，并在此基础上实现了图视图与表视图的有机结合与统一；同时针对图数据处理提供了丰富的操作，例如取子图操作subgraph、顶点属性操作mapVertices、边属性操作mapEdges等。GraphX还实现了与Pregel的结合，可以直接使用一些常用图算法，如PageRank、三角形计数等。

第四：兼容

spark的这个兼容特点是因为它可以在任何平台上使用，可以利用hadoop的yarn，HDFS，单独自己，以及其他几种品台。