1.列举Hadoop生态的各个组件及其功能、以及各个组件之间的相互关系，以图呈现并加以文字描述。
2.对比Hadoop与Spark的优缺点。
Hadoop的特性：
高可靠性、高效性、高可拓展性、高容错性、成本低、运行在Linux操作系统中、支持多种语言
Hadoop的缺点：
（1）表达能力有限。计算都必须要转化成Map和Reduce两个操作，但这并不适合所有的情况，难以描述复杂的数据处理过程。
（2）磁盘IO开销大。每次执行时都需要从磁盘读取数据，并且在计算完成后需要将中间结果写入磁盘中，IO开销较大。
（3）延迟高。一次计算可能需要分解成一系列按顺序执行的MapReduce任务，任务之间的衔接由于涉及IO开销，会产生较高延迟。而且，在前一个任务执行完成之前，其他任务无法开始，因此难以胜任复杂、多阶段的计算任务。
spark 的优点
（1)Spark的计算模式也属于MapReduce,但不局限于Map和Reduce 操作，还提供了多种数据集操作类型，编程模型比MapReduce更灵活。
（2）Spark提供了内存计算，中间结果直接放到内存中，带来了更高的迭代运算效率。
（3）Spark基于DAG的任务调度执行机制，要优于MapReduce的迭代执行机制。
spark缺点
对硬件要求稍高一点
进行实际开发中，hadoop编写数量多的底层代码不高效，相对spark可以提供多种高层次、简洁的api
3.如何实现Hadoop与Spark的统一部署？
如图
