在Spark出現之前，要在一個組織內同時完成數種大數據分析任務，就不得不與多套特化系統打交道，一方面引入了不容小覷的運維復雜性，另一方面還免不了要在多個系統間頻繁進行代價高昂的數據轉儲（ETL）。AMPLab在介紹以Spark為核心的BDAS時常說的一句話是：one stack to rule them all，也就是說可以在一套軟件棧內完成前述各種大數據分析任務。相對于MapReduce上的批量計算、迭代型計算以及基于Hive的SQL查詢，Spark更是可以帶來一到兩個數量級的效率提升，在傳統MapReduce近乎不可能的交互式即席查詢也因而得以實現。