Spark 算子有哪些，项目用到哪些算子
Spark 广播变量
Spark内存溢出
Spark OOM问题解决办法
Spark 任务执行速度倾斜问题解决方案
https://blog.csdn.net/lsshlsw/article/details/52025949
Spark与Hadoop MapReduce的异同
首先Spark是借鉴了mapreduce并在其基础上发展起来的，继承了其分布式计算的优点并改进了mapreduce
明显的缺陷，但是二者也有不少的差异具体如下：
1、spark把运算的中间数据存放在内存，迭代计算效率更高；mapreduce的中间结果需要落地，需要保存到磁盘，
这样必然会有磁盘io操做，影响性能。
2、spark容错性高，它通过弹性分布式数据集RDD来实现高效容错，RDD是一组分布式的存储在节点内存中的
只读性质的数据集，这些集合是弹性的，某一部分丢失或者出错，可以通过整个数据集的计算流程的血缘关系
来实现重建；mapreduce的话容错可能只能重新计算了，成本较高。
3、spark更加通用，spark提供了transformation和action这两大类的多个功能api，另外还有流式处理
sparkstreaming模块、图计算GraphX等等；mapreduce只提供了map和reduce两种操作，流计算以及其他
模块的支持比较缺乏。
4、spark框架和生态更为复杂，首先有RDD、血缘lineage、执行时的有向无环图DAG、stage划分等等，
很多时候spark作业都需要根据不同业务场景的需要进行调优已达到性能要求；mapreduce框架及其生态
相对较为简单，对性能的要求也相对较弱，但是运行较为稳定，适合长期后台运行。
最后总结：
spark生态更为丰富，功能更为强大、性能更佳，适用范围更广；mapreduce更简单、稳定性好、适合离线海量数据挖掘计算。
Spatk streaming的数据来源
基于offset消费数据
Spark和Hadoop的异同
https://blog.csdn.net/WYpersist/article/details/79982749
Spark与hadoop的shuffle有何异同
https://blog.csdn.net/WYpersist/article/details/79982627