Spark 3.0在内存管理方面相较于Spark 2.0版本引入了一些改进和优化措施，主要包括统一内存管理模型的引入、对执行内存和存储内存的动态调整机制等。以下是具体的差异：
内存管理模型
- Spark 2.x：Spark 2.x版本主要采用静态内存管理模型，内存被划分为执行内存和存储内存，两者不能共享，容易造成内存浪费。
- Spark 3.0：Spark 3.0版本引入了统一内存管理模型，内存分为堆内内存和堆外内存，两者可以动态共享和调整，提高了内存利用率。
内存分配策略
- Spark 2.x：内存分配较为固定，用户需要预先配置存储内存和执行内存的大小，缺乏灵活性。
- Spark 3.0：内存分配更加灵活，支持动态内存分配和回收，能够根据应用程序的实际需求动态调整内存大小。
内存优化技术
- Spark 2.x：主要依赖于内存复用技术，如列式存储和广播变量等，来减少内存消耗。
- Spark 3.0：除了继续使用内存复用技术外，还引入了内存压力策略，当内存不足时，会触发垃圾收集或者将数据溢写到磁盘，从而确保系统的稳定运行。
内存管理对性能的影响
- Spark 2.x：由于内存管理较为固定，可能导致内存利用率不高，频繁的垃圾回收也会影响性能。
- Spark 3.0：通过统一内存管理模型和动态内存分配策略，提高了内存利用率，减少了垃圾回收的频率，从而提升了整体性能。
通过上述改进，Spark 3.0在内存管理方面提供了更高的灵活性和效率，使得开发者能够更好地优化应用程序的性能。
