在这个时候，如果我必须从头开始一个项目并且必须在 Hadoop 和 Spark 之间做出选择，我肯定会选择 Spark 而不是 Hadoop。有几个原因：

• Spark 比 Hadoop 更高效，因为 Spark 中的处理是在内存中进行的，而 Hadoop 需要将中间结果存储在磁盘中。
• Spark 提供了数十种不同的操作，并且不仅限于 Hadoop 的 map-reduce。

但是，我仍然认为在尝试学习 Spark 之前学习 Hadoop 是有价值的，即使它处于高水平。这些是一些原因：

• 您可能会遇到一些基于 Hadoop 技术的遗留应用程序/系统
• 它简要介绍了 Spark 中使用的一些概念
• Spark 有时会与 Hadoop 生态系统中的某些技术结合使用，例如 Hive 和 HDFS（Spark 不包含存储数据的方式，但它可以从多个来源获取数据，包括 HDFS，以及具有基于 HDFS 的数据存储的 Spark 集群是通常的组合）。