大局
Spark没有超能力。与mapreduce相比，it的优势在于它更倾向于快速的内存访问，而不是依赖于分布式存储的较慢的核外处理。所以它的核心是切断io等待时间。
结论
预计平均cpu利用率会更高。假设你想计算n个数的和。独立于实现的渐近操作数将是相同的。但是，如果数据在内存中，您可以期望较低的总时间和较高的平均cpu使用率，而如果数据在磁盘上，您可以期望较高的总时间和较低的平均cpu使用率（较高的io等待）。
一些评论：
spark和hive的设计目标并不相同。spark更多的是etl/流式etl工具，hive数据库/数据仓库。这意味着引擎盖下的优化不同，根据工作负载的不同，性能可能会有很大差异。
在没有上下文的情况下比较资源使用情况没有多大意义。
总的来说，spark不那么保守，更需要资源。它既反映了设计目标，也反映了硬件的发展。spark年轻几岁，硬件成本大幅下降就足够了。