1.Hadoop的資料都是來自於哪裡：

答案：磁碟。

2.map與reduce可以同時執行嗎？

答案：不能，由什麼決定的，shuffle過程決定的。

3.spark為什麼比hadoop要快，sprak儘量的避免從磁碟中進行讀取，以及配置資訊和計算資料，對比這些特性，極大的提高了

spark的執行效率，因此，spark的計算能力在一定範圍內是比hadoop要優秀一些。

儲存特點：

BlockManager-----快管理器：

Spark的儲存系統的核心BlockManager:

1.shuffle的客戶端shuffleclient.

2.BlockManager是用來管理所有的Executor的BlockManager的元件。

3.DiskBlockManager磁碟塊管理器

4.Memorystore記憶體儲存

5.DiskStore磁碟儲存

6.Tachyon儲存TachyonStore

7.CompressionCodec實現壓縮演算法的。

初始化的過程：

1.BlockTransforService初始化和ShuffleClient初始化

2.BlockManagerId和ShuffleServerId

3.向BlockManagerMaster註冊BlockManagerId

Spark是支援了HDFS，定義了抽象的BlockStore,具體的實現類：Memorystore，DiskStore,TachyonStore.

shuffleClient：直接實現在Executor上邊？？因為在saprk的計算中，task分到不同的Executor執行。產生的中間資料一定會存在本地節點上，下一個reduce要處理這些中間資料，必然涉及到了資料的拉取，也同時必然會涉及到和其他節點的互動，這個是在每個Executor上執行一個ShuffleClient互動的手段，這樣額能夠減少互動時間，減輕BlockManagerMaster的壓力。

中間過程如下圖所示：