Spark 版本 spark-2.3.1，也是目前最新的版本了。
目前想到的小目标如下：
1. 看Spark代码的过程中，可以学习scala语言。单看书学语言是很枯燥的，哎。先不考虑学这个编程语言有没有用，只是喂料Spark.
2. 从Spark的代码角度看它与Hadoop的框架区别，毕竟这厮引进了 RDD 和 DAG 概论。它号称更多的使用内存，那究竟具体体现在哪些方面？ 要认真负责的理解这句话“Spark计算速度远胜于Hadoop的原因之一就在于中间结果是缓存在内存而不是直接写入到disk”。需要把其核心代码撸撸。
3. 在前文中哥哥我小测了一把sparkbench ( https://mp.csdn.net/postedit/80438589 )，包括Terasort 和 Pagerank. Spark的Terasort 竟然比 Hadoop 的 Terasort 慢 10%。是没有配置好？还是 Spark的Terasort 本身 就搞不过 Hadoop 的 Terasort？
4. 追赶市场的潮流，Hadoop 毕竟应用场景有限。Spark 的 stream 和 ML 是 Hadoop 没有的场景。 需要先warm up.
5. Spark 上的数据库（Hbase）, Hive(另一个开源项目Shark) 也需要搞搞。