解析:
1）不⽀持细粒度的写和更新操作（如⽹络爬⾍），spark写数据是粗粒度的
所谓粗粒度，就是批量写⼊数据，为了提⾼效率。但是读数据是细粒度的也就是
说可以⼀条条的读
2）不⽀持增量迭代计算，Flink⽀持
解析:
答：Transformation（转化）算⼦和Action（执⾏）算⼦。
Spark有哪些聚合类的算⼦,我们应该尽量避免什么类型的算⼦？
解析:
答：在我们的开发过程中，能避免则尽可能避免使⽤reduceByKey、join、distinct、repartition等会进⾏shuffle的算⼦，尽量使⽤map类的⾮shuffle算⼦。这样的
话，没有shuffle操作或者仅有较少shuffle操作的Spark作业，可以⼤⼤减少性能开销。
解析:
答：从下⾯三点去展开
1）shuffle过程的划分
2）shuffle的中间结果如何存储
3）shuffle的数据如何拉取过来
可以参考这篇博⽂：http://www.cnblogs.com/jxhd1/p/6528540.html
