1.首先了解一下saprk，其本质是一个计算引擎。
2.定义：大规模数据处理的计算引擎。
3.速度：相比于hadoop内置的计算引擎（可以理解为hadoop里面的mapreduce）
从官方文档可知：
4.可供交互的交互语言技术：
官网介绍如下：
根据spark源码可以得知：
根据源码可以得知源码是支持这些接口的，由此可以得知，是支持Scala,java,pytho,r语言，也支持sql进行数据库中间件的交互。
5.依赖环境其中spark本身是一个引擎，可以理解为一个计算机框架，因此需要一定的存储机构进行依托，官方文档介绍如下：
hadoop可以理解为大数据整个组件当中最重要的组件，没有之一，通过配置hads.site.xml文件来确定，hive，HABSE本身也是需要依托hadoop来进行运行的，详情请看本人其他博客。
总结：hadoop,hive以及hbase均可以理解为数据源。
特点：
Hadoop MapReduce的通用并行框架，Spark，拥有Hadoop MapReduce所具有的优点；但不同于MapReduce的是——Job中间输出结果可以保存在内存中，从而不再需要读写HDFS，因此Spark能更好地适用于数据挖掘与机器学习等需要迭代的MapReduce的算法。
优势：CPU存在内存调度，因此在内存里面进行I/O内存调度速度，会比直接从磁盘调度的速度要快很多，CPU与内存速度不匹配，CPU速度比内存快一些，内存速度比磁盘要稍微快一些，CPU速度比内存又快一些，为了增加命中率，又增加了一个cache，高速缓存的东西，进行CPU的命中率进行提高。
众所周知hadoop中的hads是作为存储进行相关使用，每次都需要从hadoop中（磁盘）中去读取数据，因此速度就会慢很多，名单是如果从内存中进行调度的话，数据的读取速度就会很快，主要是通过.cache()以及持久化函数来进行实现的。
具体验证如图：