他们是完全不同的动物。
redis和memcachedb是分布式存储。redis是一个纯内存系统，具有可选的持久性，具有多种数据结构。memcachedb在berkeley db之上提供了memcachedapi。在这两种情况下，它们更有可能被oltp应用程序使用，或者最终用于简单的实时分析（动态聚合数据）。
redis和memcachedb都缺乏有效地并行迭代存储数据的机制。您无法轻松地扫描并对存储的数据应用某些处理。它们不是为此而设计的。此外，除了使用客户端手动分片之外，它们不能在集群中扩展（redis集群的实现正在进行中）。
spark是一个通过提供内存中的分布式数据集来加速大规模分析作业（尤其是迭代作业）的系统。使用spark，您可以在计算机集群上实现高效的迭代map/reduce作业。
redis和spark都依赖于内存数据管理。但是redis（和memcached）与其他oltpnosql商店的情况相同，而spark与hadoopmap/reduce系统非常相似。
redis擅长以亚毫秒延迟的高吞吐量运行大量快速存储/检索操作。spark在机器学习、图形分析、交互式数据挖掘等领域的大规模迭代算法的实现方面非常出色。。。大量的数据。
更新：关于风暴的附加问题
问题是比较spark和storm（见下面的评论）。
spark仍然基于这样一种想法，即当现有数据量很大时，将进程移动到数据中比将数据移动到进程中更便宜。每个节点存储（或缓存）其数据集，并将作业提交给节点。所以这个过程会转移到数据上。它与hadoopmap/reduce非常相似，只是内存存储被积极地用来避免i/o，这使得它对于迭代算法非常有效（当上一步的输出是下一步的输入时）。shark只是一个建立在spark之上的查询引擎（支持即席分析查询）。
你可以把storm看作是spark的完全相反的建筑风格。storm是一个分布式流媒体引擎。每个节点实现一个基本的过程，数据项流入/流出一个互联节点的网络（与spark相反）。使用storm时，数据将移动到进程。
这两个框架都用于并行计算大量数据。
然而，storm擅长动态处理大量生成/收集的小数据项（例如在twitter流上实时计算一些聚合函数或分析）。
spark应用于已导入spark集群的现有数据（如hadoop），由于内存管理提供了快速扫描功能，并将迭代算法的全局i/o数降至最低。