MapReduce是基於進程的計算，任務調度和啟動成本很高。此外，Map的中間結果將降落在磁盤上，並且網絡I/O和磁盤I/O非常頻繁，延遲高且處理效率低，無法充分利用內存。
Map端和Reduce端都需要排序，比較耗時；不適合叠代計算、交互式處理（數據挖掘）和流式處理（點擊日誌分析），不能滿足高實時性的業務。編程不夠靈活，因為它是用Java編寫的，編寫壹個完整的MapReduce任務代碼的數據線數量要比Spark實現相同功能的數據線數量多得多。