请保持整个讨论范围与
我同意iterative和interactive编程范例使用spark比使用map-reduce要好。我也同意我们可以使用HDFS或任何hadoop数据存储，如HBase作为Spark的存储层。
因此，我的问题是-在现实世界中，我们是否有任何用例可以说hadoop MR在这些上下文中比apache spark更好?这里"Better"是指performance, throughput, latency。hadoop MR仍然比spark更适合做批处理。
如果是，谁能告诉advantages of hadoop MR over apache spark ?
COMPUTATION LAYER有关。正如您所说，在iterative和interactive编程中，spark比hadoop更好。但是spark对内存有很大的需求，如果内存不够，很容易抛出OOM异常，hadoop可以很好地处理这种情况，因为hadoop有很好的容错机制。
其次，如果Data Tilt发生，spark也可能崩溃。我比较了spark和hadoop的系统健壮性，因为这将决定作业的成败。
最近我用一些基准测试了spark和hadoop的性能，根据结果，spark在一些负载上的性能并不比hadoop好，例如kmeans, pagerank。也许记忆是火花的限制