1、 ·超强的通用性：Spark提供了Spark RDD、Spark SQL、Spark Streaming、Spark MLlib、Spark GraphX等技术组件，可以一站式地完成大数据领域的离线批处理、交互式查询、流式计算、机器学习、图计算等常见的任务。

4、 因此Spark能更好地适用于数据挖掘与机器学习等需要迭代的Map Reduce的算法。 Spark的适用场景：1）多次操作特定数据集的应用场合 Spark是基于内存的迭代计算框架，适用于需要多次操作特定数据集的应用场合。

5、 Spark 是专为大规模数据处理而设计的快速通用的计算引擎。 是Hadoop MapReduce的通用并行框架，Spark，拥有Hadoop MapReduce所具有的优点；但不同于MapReduce的是——Job中间输出结果可以保存在内存中，从而不再需要读写HDFS，因此Spark能更好地适用于数据挖掘与机器学习等需要迭代的MapReduce的算法。

2、 2、PyTorch PyTorch是一个用于机器学习和深度学习的开源框架，由Facebook开发。 它基于动态图模式，使得模型的构建和调试非常容易。 PyTorch还提供了强大的GPU加速功能，可以在短时间内对大规模数据集进行训练。