图1
因为有RDD的抽象概念，spark更适合于迭代运算比较多的ML和DM运算，提供了多种数据操作模型，但是由于RDD的特性，Spark不适用于异步细粒度更新状态的应用，比如Web服务的存储或或者是增量的Web爬虫和索引。
部署方式
目前spark支持四种分布式部署方式，分别为：amazon ec2、standalone、spark on mesos、spark on YARN。
Amazon ec2模式需要运行在amazon ec2上，一般可以不关注。
standalone模式自带完整服务，可单独部署到一个集群上，无需以来其他资源管理系统。
spark on mesos模式是很多公司采用的模式，也是官方推荐的模式。目前spark运行在mesos上要比在YARN上更加灵活。目前在Spark on mesos环境中，用户可以选择两种调度模式：1）粗粒度模式（Coarse-grained Mode）；2）细粒度模式（Fine-grained Mode）。
1)粗粒度模式
任务运行之前分配资源（内存、CPU等），运行时一直占用这些资源，结束后才回收。资源浪费严重。
2)细粒度模式
资源按需、动态分配。优点是便于资源控制和隔离，缺点是段作业运行延迟大。
Spark On YARN模式是一种最有前景的部署模式，但限于YARN自身的发展，目前仅支持粗粒度模式，不过这个已经在YARN的开发计划中了
|
|