表達能力
MapReduce需要將所有計算轉換爲Map和Reduce，難以描述複雜處理過程；
Spark除Map和Reduce外，還支持RDD/DataFrame/DataSet等多種數據模型操作，編程模型更加靈活。
磁盤IO
MapReduce每步運算都要從磁盤讀取數據，結束後寫入磁盤數據，僅有小部分數據作爲臨時緩存放入內存，磁盤IO開銷比較大；
Spark將中間結果直接放入內存，既提高了迭代運算效率，又避免了大量的重複計算，據官方提供數據，同樣迭代運算效率Spark:Hadoop=110:0.9。
任務延遲
MapReduce將任務分成一系列運算順序執行，每次運算涉及磁盤IO，任務間銜接不及時，需要等上步完成才能進行下步運算，無法滿足複雜任務和多階段計算任務需求；
Spark基於DAG任務調度執行機制，不涉及磁盤IO延遲，迭代運算更快。
內存管理
MapReduce任務在啓動時已經在JVM內指定了最大內存，不能超過指定的最大內存；
Spark在超過指定最大內存後，會使用操作系統內存，既保證了內存的基本使用，又避免了提早分配過多內存帶來的資源浪費
並行處理
MapReduce中一個進程運行一個task，按序執行；
Spark中一個線程運行一個task，增加了並行度。
