你可以用 HDFS 作为两者的共同基础存储 MapReduce (Hadoop) 以及 Spark 引擎，并使用群集管理器，如 YARN 执行资源管理。 Spark 将尝试利用数据局部性，并尽可能靠近数据执行任务。
工作原理如下：如果节点上有数据可供处理，但cpu不可用，spark将等待一定时间（由配置参数决定： spark.locality.wait 秒，默认值为3秒）使cpu可用。
如果cpu在配置的时间过后仍然没有空闲，spark会将任务切换到较低的位置级别。它将再次等待 spark.locality.wait 如果超时再次发生，它将切换到更低的位置级别。
位置级别定义如下，从最接近数据到最远离数据的顺序(https://spark.apache.org/docs/latest/api/scala/index.html#org.apache.spark.scheduler.tasklocality$):

PROCESS_LOCAL (data is in the same JVM as the running code)
NODE_LOCAL (data is on the same node)
NO_PREF (data is accessed equally quickly from anywhere and has no locality preference)
RACK_LOCAL (data is on the same rack of servers)
ANY (data is elsewhere on the network and not in the same rack)

还可以单独配置位置级别的等待时间。对于较长的作业，等待时间可以增加到比默认值（3秒）更大的值，因为cpu占用的时间可能更长。