Spark从入门到精通第二课：Spark产生背景之Spark VS MR && SparkConf/SparkContext && Spark-shell_spark产生的背景

1、产生背景

1、产生背景：
    MapReduce的差劲促使了spark的产生。
    1）编程：
        MR只有只提供给map和reduce方法处理数据，而spark中提供了80多个。
        这对编程产生了质的影响：
            就比如对于一个wordcount，既要写Map,又要写Reduce和驱动类。
            而spark只需要一个类就可以解决，运用scala开发设置一行代码就可以搞定。       
    2）task级别：
        MR中每一个maptask和reducetask都是进程,进程启动和销毁要花大量的时间。    
        spark的task基于线程，在每一个executor中都有一个线程池。
    3）资源申请
        在MR中，每个job的maptask和reducetask都需要单独的申请资源 ，资源反复申请很耗时。 
        在spark中，无论一个应用程序有多少个job，只需要申请一次资源即可。
            ##当然，spark资源的释放要所有job执行完才可以。
    4）IO
        MR基于磁盘，Spark基于内存。所以这就造成了IO上的差异。
        MR的I/O频繁，比如Mapper和Reducer读取、溢写、merge、结果输出、shuffle、combiner
        spark的I/O较少，数据读取、结果输出，可能存在的shuffle及持久化
        综上：
            理想情况下，一次MR4次IO，一次spark 作业两次IO
            IO是很昂贵的操作，耗时间耗性能&#