MapReduce的缺点：
1.开发
wordcount程序复杂
以作业连方式串起来执行
打包
2.运行速度：
map输出写到磁盘，reduce写到hdfs，磁盘I/O，网络I/O，序列化等压力大
map任务和reduce任务以进程方式运行
一定要求排序（其实有时候不需要）
不适合迭代处理，交互式处理，流式处理
3.框架多样性：
维护和学习成本大
Spark特点：
速度快，使用方便，通用性，可以运行在hadoop,Hadoop, Mesos, Kubernetes, standalone, cloud
Hadoop生态系统和Spark生态系统：
Hadoop和Spark生态圈：
hadoop对比Spark：
MapReduce和Spark对比：
Spark开发语言及运行模式：
开发语言：Java，python，Scala（推荐）
运行模式：standlone（内置），yarn，mesos，local
分布式计算框架Flink：
概述：开源流式的处理框架
分布式，高性能，精确计算流处理应用
框架类型：
仅批处理框架：
Apache Hadoop
仅流处理框架：
Apache StormApache Samza
混合框架：
Apache Spark
Apache Flink
大数据处理神器Beam：
老三驾：GFS，MapReduce，BigTable
新三驾：Dremel，Pregel，Caffeine