其实这是两种框架的区别，Hadoop框架比较侧重离线大批量计算，而spark框架则侧重于内存和实时计算。
在这些基础上，衍生出了一些常用的附属组件，比如Hadoop生态下的HBASE、hive、HDFS等，HDFS可用于数据存储，MR可用于分布式计算框架。同样，在spark的基础上也衍生出了很多组件，比如spark streaming、spark SQL、mllib等。其中spark score完全可以代替MR，spark中不仅可以有reduce操作，同时也提供了其他诸如filter sortby等操作，要比MR方便很多，同时，spark SQL可以直接把hive上的文件映射成一张表，来进行表操作。
如果有对大数据感兴趣程序员，可来我们的大数据交流扣qun哦：591305687里面免费送大数据的系统教程噢！ 小编也是一名从事了5年的数据算法工程师，花了近两个月整理了一份较适合当下学习的干货，以及我这5年的工作经验，分享给每一位想学大数据的小伙伴，这里是大数据学习者聚集地，欢迎初学和进阶中的小伙伴。
总之一句话，前者是以空间换时间，后者是以时间换空间，即为两种模式的差别。
❤为了让大家更好地学习大数据中Hadoop和spark中的内容，小编为大家整理好了相关的学习资料。这些内容可以帮助大家更好地入门大数据中Hadoop和Spark这两个重要的部分，同时也可以引导大家深入学习，有需要的同学私信联系小编即可。❤
❤也欢迎大家留言讨论技术！❤