spark、hadoop和mapreduce三者存在的问题

1. Spark和Hadoop的重叠功能：Spark和Hadoop都是用于大数据处理的框架，它们的功能有很大的重叠，这就导致了在某些场景下，两者的选择变得困难。

2. Hadoop的批处理限制：Hadoop的MapReduce框架是一种批处理框架，无法处理实时数据。这就限制了Hadoop在某些场景下的应用。

3. Spark的内存消耗：Spark的内存消耗比Hadoop要高，这就需要更高的硬件成本来支持。

4. MapReduce的编程复杂度：MapReduce编程模型相对较为复杂，需要开发人员具备较高的技能水平，这就限制了MapReduce的应用范围。

5. 数据安全性：在大数据处理过程中，数据安全性是一个非常重要的问题。目前，Spark和Hadoop在数据安全性方面还存在一些问题，需要进一步完善。