资料内容：
1.1 项目概述
Apache Spark 是 Apache 软件基金会下的开源分布式计算框架，最初由 UC Berkeley AMPLab 实验室于 2009 年开
发，2013 年开源，2014 年成为 Apache 顶级项目。
Spark 设计目标是提供一个快速、通用、易用的大数据处理平台，相比传统的 Hadoop MapReduce，Spark 在内存计
算方面可以快 10-100 倍，在磁盘计算方面快 2-3 倍。
1.3 应用现状
全球使用：数千家公司使用 Spark，包括 80% 的财富 500 强企业
开源贡献：超过 2,000 名贡献者来自工业界和学术界
行业标准：成为大数据处理的事实标准
多语言支持：Python、SQL、Scala、Java、R
2.3 性能优势来源
1. 内存计算
数据在内存中进行迭代计算，避免频繁磁盘 I/O
对于迭代算法（如机器学习），性能提升显著
2. DAG 执行引擎
通过有向无环图（DAG） 优化执行计划
自动合并操作，减少数据 shuffle
3. 通用执行引擎
批处理、流处理、SQL、机器学习共享同一执行引擎
减少跨系统数据传输开销
