在大数据时代关于编程语言选择是很多人非常关注的。在企业大数据平台开发场景下，虽然在大数据领域Java的使用更普及，Python也有后来居上的势头，但Scala一直有着不可动摇的地位。我们熟悉的Spark，Kafka，Flink都是由Scala完成了其核心代码的开发。所以掌握Scala不仅可以学习大数据组件的源码，而且会极大的提升大数据开发的效率。为什么Scala会有大数据黄金语言，这其实与几个大数据重点框架组件有离不开的关系，我们熟悉的Spark，Kafka，Flink框架，核心代码都是由Scala完成的。掌握Scala，在学习大数据组件Spark，Kafka，Flink框架的源码上，是能够帮助我们更好地理解和深入的，同时，在大数据开发任务当中，能够大大提升效率。
Scala语言背景
Scala产生于瑞士的洛桑联邦理工学院（EPEL），是“可扩展语言”（Scalable Language）的缩写，Scala是一种多范式的编程语言，其设计的初衷是要集成面向对象编程和函数式编程的各种特性。你可以使用Scala编写出更加精简的程序，也能用于构建大型复杂系统，还可以访问任何Java类库并且与Java框架进行交互。Spark，Kafka，Flink的兴起，带动Scala的快速发展，成为大数据黄金语言。
Scala语言特点
优雅：简洁的Scala，不再像Java一样总是需要冗长的表达式，简洁而优雅，对于应用开发程序员而言，API是否优雅直接影响用户体验。
速度快：Scala语言表达能力强，一行代码抵得上Java多行，开发速度快；Scala是静态编译的，所以相比其他一些编程语言，速度会快很多。
与Hadoop生态圈融合：Hadoop可以说是大数据事实标准，JVM语言，大家首先想到的是Java，而以Spark为例的框架，采用Scala，同样基于JVM，可能很好地与Hadoop生态圈融合。
这也是为什么很多大数据组件的源码都是Scala开发的原因。
Scala主要特性
1、运行于JVM和JavaScript之上
Scala利用了JVM的高性能，而且也把Java丰富的工具和类库为其所用。不过Scala并不是仅仅支持JVM，Scala-JS已经支持Scala运行于JS之上。
2、静态类型
在Scala语言中，静态类型（static typing）是构建健壮应用系统的一个工具。Scala修正了Java类型系统中的一些缺陷，此外通过类型推演（typeinference）也免除了大量冗余代码。
3、混合式编程范式——面向对象编程，函数式编程
Scala完全支持面向对象编程（OOP）。引入了特征（trait）改进了Java的对象模型。trait能通过使用混合结构（maxin composition）简洁的实现新的类型。在Scala中，一切都是对象，即使是数值类型。
Scala也完全的支持函数式编程（FP），函数式编程已经被视为解决并发、大数据以及代码正确性问题的最佳工具。使用不可变值、函数、高阶函数以及函数集合，有助于编写出简洁、强大而又正确的代码。
4、复杂的类型系统
Scala对Java类型进行了扩展，提供了更灵活的泛型以及一些有助于提高代码正确性的改进。通过使用类型推演。Scala编写的代码能够和动态的类型语言编写的代码一样精简。
5、可扩展的架构
使用Scala，能编写出简短的解释性脚本，并将其粘合成大型的分布式应用。在大数据时代，流计算开发任务的增多，使得Scala有了更加广阔的用武之地，学习Scala成为大数据必须选择，scala也成为大数据的黄金语言。
转载请注明：XAMPP中文组官网 » Scala-大数据时代的黄金语言