Spark相較于MapReduce在計(jì)算速度上的優(yōu)勢(shì)主要體現(xiàn)在以下幾個(gè)方面：

A: 基于內(nèi)存的計(jì)算
Spark的一個(gè)顯著特點(diǎn)是其內(nèi)存計(jì)算能力。它允許數(shù)據(jù)在內(nèi)存中進(jìn)行多次迭代計(jì)算，而不是像MapReduce那樣每次迭代都需要將數(shù)據(jù)寫入磁盤。這種內(nèi)存計(jì)算大大減少了磁盤I/O操作，從而提高了計(jì)算速度。

B: 基于DAG的調(diào)度框架
Spark采用DAG（Directed Acyclic Graph，有向無(wú)環(huán)圖）調(diào)度框架來(lái)優(yōu)化任務(wù)執(zhí)行。DAG允許Spark在計(jì)算任務(wù)中更好地優(yōu)化執(zhí)行計(jì)劃，減少不必要的計(jì)算步驟和數(shù)據(jù)傳輸，從而提高整體計(jì)算效率。

C: 基于Lineage的容錯(cuò)機(jī)制
雖然Lineage（血統(tǒng)）本身不是直接提高速度的因素，但它提供了一種高效的容錯(cuò)機(jī)制。通過(guò)記錄RDD（彈性分布式數(shù)據(jù)集）的轉(zhuǎn)換過(guò)程，Spark可以在節(jié)點(diǎn)故障時(shí)快速重建丟失的數(shù)據(jù)，而不需要從頭開(kāi)始重新計(jì)算整個(gè)數(shù)據(jù)集。這種機(jī)制減少了故障恢復(fù)時(shí)間，從而間接提高了計(jì)算效率。

D: 基于分布式計(jì)算的框架
雖然分布式計(jì)算是Spark和MapReduce的共同特性，但這一點(diǎn)并不是Spark比MapReduce快的原因。兩者都是分布式計(jì)算框架，差異在于實(shí)現(xiàn)方式和優(yōu)化策略。

綜合分析，A、B和C是Spark比MapReduce計(jì)算快的主要原因。因此，正確答案是A、B和C。