MapReduce是一种编程模型，用于大规模数据集（大于1TB）的并行运算。 
Map（映射） + Reduce（归约）


MapReduce 离线计算框架，将一个算法抽象成Map和Reduce两个阶段进行处理，适合数据密集型计算。

Spark  基于map reduce算法实现的分布式计算，Job中间输出和结果可以保存在内存中，不需要读写HDFS，适用于数据挖掘与机器学习等需要迭代计算的场景

Tez 
基于Hadoop Yarn之上的DAG（有向无环图，Directed Acyclic Graph）计算框架。
把Ｍap/Reduce过程拆分成若干个子过程，可以把多个Ｍap/Reduce任务组合成一个较大的DAG任务，
减少Ｍap/Reduce之间的文件存储，合理组合其子过程，减少任务运行时间



Tez 开源的支持DAG作业的计算框架，源于MapReduce框架，
核心思想是将Map和Reduce两个操作进一步拆分，即Map被拆分成Input、Processor、Sort、Merge和Output， 
Reduce被拆分成Input、Shuffle、Sort、Merge、Processor和Output等，
分解后的元操作可以任意灵活组合，产生新的操作，这些操作经过一些控制程序组装后，形成一个大的DAG作业。

运行在YARN之上
适用于DAG（有向图）应用（ Impala Dremel Drill 等）

Tez将多个有依赖的作业转换为一个作业（这样只需写一次HDFS，且中间节点较少），提升DAG作业的性能

Hadoop  HDFS 文件存储  ，Yarn 资源管理
在上面运行MapReduce、Spark、Tez等计算框架。