因为最终，源和目标都是硬盘。
当然，但不一定是hdfs硬盘。可以是mysql服务器或kafka代理。
建议使用spark进行实时处理。为什么？hadoop不能做同样的事情吗？
首先，hadoop不是一个处理引擎—yarn提供了作业处理的抽象，许多应用程序都在yarn上运行。包括flink、storm/heron，它们是较少被引用的（不知道为什么？）实际的实时流媒体平台（通常由kafka加载，而不是hadoop）。spark的“小批量”处理时间最短为几秒，而其他框架的处理时间甚至更小
在hadoop中，我不能创建类似rdd的概念
rdd是spark的概念，spark利用hadoop库来执行它的任务，所以这个语句是错误的。
如果您的意思是不能创建延迟计算的操作，那么您可能需要查看pig，它还创建了一个dag执行计划，该计划仅在执行操作时计算。很像rdd（或Dataframe）是如何相互作用的。
sparks也会从硬盘上读取数据（在第一时间它可能在哪里？）
假设你指的是hdfs硬盘，替代品可能是本地文件系统、s3、kafka，如前所述，或sql数据库、mongo、elasticsearch等。hadoop只是一个可能存在数据的地方，spark可以读取数据。

spark和hadoop是不等价的。rdd是一个纯粹来自spark框架的概念，它可以Maphdfs中排序的文件。spark可以进行处理，但永远不会写入磁盘，就像一种传输手段。
hadoop符合hdfs plus-yarn。hdfs的目标是利用磁盘提供分布式存储，而yarn使您能够使用基础结构来处理ram。spark可以同时访问它们。
我认为您至少需要举两个例子来理解spark和hadoop的关系：
安装hadoop集群
执行spark wordcount示例