根据用例的细节，您可能会看到与其他配置相比，任何给定配置中的性能都会上下波动。不过，hadoop和mesos给了您性能以外的其他优势。每种情况下都有很多种，例如：
hadoop软件
hdfs作为一个有弹性的分布式文件存储。
使用hadoop中现有的元数据访问数据集，例如通过hivecontext
将spark处理与map reduce等其他方法混合使用
以资源管理器的身份为任务分配资源
mesos-mesos比hadoop更专注于一个特定的角色，即跨机器集群管理资源。但是，它可以跨一系列工作负载类型执行此操作。这些可以是数据处理作业，如spark、akka中的分布式应用程序、分布式数据库等。如果一台机器出现故障，它可以将任务移动到其他机器。
我推荐看这个视频，我有幸参加了这次现场见面会：https://www.youtube.com/watch?v=gzx4-6rb7yw
它演示了如何使用spark、hdfs、mesos和docker在amazon云机器集群上进行分布式计算。