问Spark vs Hadoop用这个简单的例子？

EN

在谷歌上，Spark和Hadoop MapReduce之间的关键区别都体现在处理方法上: Spark可以在内存中完成，而Hadoop MapReduce必须从磁盘读取和写入。看起来我明白了，但我想用一个例子来确认一下。

考虑下面的字数统计示例：

 val text = sc.textFile("mytextfile.txt") 
 val counts = text.flatMap(line => line.split(" ")).map(word => (word,1)).reduceByKey(_+_) 
 counts.collect

我的理解是：

在Spark的情况下，一旦行被“”分割，输出将存储在内存中。与函数map和reduce类似。我相信当处理跨分区发生时也是如此。

在MapReduce的情况下，每个中间结果(像split/map/reduce之后的单词)是否会保存在磁盘上，即HDFS，这使得它比Spark更慢？我们没有办法把它们保存在内存中吗？分区结果也是这样吗？