很多初学者在刚刚接触大数据的时候会有很多疑惑，比如对MapReduce、Storm、Spark三个计算框架的理解经常会产生混乱。
哪一个适合对大量数据进行处理？哪一个又适合对实时的流数据进行处理？又该如何来区分他们呢？
我对比整理了这3个计算框架的基本知识，大家可以了解一下以便对这个3个计算框架有一个整体的认识。
1. MapReduce-分布式离线计算框架
主要适用于大批量的集群任务，由于是批量执行，故时效性偏低。
原生支持 Java 语言开发 MapReduce ，其它语言需要使用到 Hadoop Streaming 来开发。
2. Spark-快速通用的计算引擎
Spark 是专为大规模数据处理而设计的快速通用的计算引擎，其是基于内存的迭代式计算。
Spark 保留了MapReduce 的优点，而且在时效性上有了很大提高，从而对需要迭代计算和有较高时效性要求的系统提供了很好的支持。
开发人员可以通过Java、Scala或者Python等语言进行数据分析作业编写，并使用超过80种高级运算符。
Spark与HDFS全面兼容，同时还能与其它Hadoop组件—包括YARN以及HBase并行协作。
Spark可以被用于处理多种作业类型，比如实时数据分析、机器学习与图形处理。多用于能容忍小延时的推荐与计算系统。
3. Storm-分布式实时大数据处理系统
Storm是一个分布式的、可靠的、容错的流式计算框架。
Storm 一开始就是为实时处理设计，因此在实时分析/性能监测等需要高时效性的领域广泛采用。
Storm在理论上支持所有语言，只需要少量代码即可完成适配。
Storm把集群的状态存在Zookeeper或者本地磁盘，所以后台进程都是无状态的（不需要保存自己的状态，都在zookeeper上），可以在不影响系统健康运行的同时失败或重启。
Storm可应用于–数据流处理、持续计算（持续地向客户端发送数据，它们可以实时的更新以及展现数据，比如网站指标）、分布式远程过程调用（轻松地并行化CPU密集型操作）。
