Spark学习之scala编程

 一、Scala语言基础

1、Scala语言简介

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。Scala运行于Java平台（Java虚拟机），并兼容现有的Java程序。

学习Scala编程语言，为后续学习Spark奠定基础。

 

2、为什么要学Scala

l 优雅：这是框架设计师第一个要考虑的问题，框架的用户是应用开发程序员，API是否优雅直接影响用户体验。

l 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，所以和JRuby,Groovy比起来速度会快很多。

l  能融合到Hadoop生态圈：Hadoop现在是大数据事实标准，Spark并不是要取代Hadoop，而是要完善Hadoop生态。JVM语言大部分可能会想到Java，但Java做出来的API太丑，或者想实现一个优雅的API太费劲。 

 

l 德国的一位资深Java专家Adam Bien在参加JavaOne 2008大会（他在会上有一个技术讲座）期间，亲耳听到，有人问Java之父James Gosling“除了Java之外，你现在最希望在JVM上使用什么语言？”的时候，他出人意料的回答：“Scala！”几乎是脱口而出。

 

3、安装JDK

因为Scala是运行在JVM平台上的，所以安装Scala之前要安装JDK，安装JDK1.8版本

4、下载和安装Scala

①　Windows安装Scala编译器

访问Scala官网http://www.scala-lang.org/下载Scala编译器安装包，目前最新版本是2.12.x，但是目前大多数的框架都是用2.11.x编写开发的，Spark2.x使用的就是2.11.x，所以这里推荐2.11.x版本，下载scala-2.11.12.msi后点击下一步就可以了

1) 安装JDK

2) 下载Scala：http://www.scala-lang.org/download/

3) 安装Scala：

设置环境变量：SCALA_HOME和PATH路径

4) 验证Scala

②　Linux安装Scala编译器

下载Scala地址http://downloads.typesafe.com/scala/2.11.12/scala-2.11.12.tgz然后解压Scala到指定目录

tar -zxvf scala-2.11.12.tgz -C /usr/java

配置环境变量，将scala加入到PATH中

vi /etc/profile

export JAVA_HOME=/usr/java/jdk1.8.0_111

export PATH=$PATH:$JAVA_HOME/bin:/usr/java/scala-2.11.12/bin

5、Scala的运行环境

l REPL（Read Evaluate Print Loop）：命令行

l IDE：图形开发工具

n The Scala IDE (Based on Eclipse)：http://scala-ide.org/

n IntelliJ IDEA with Scala plugin：http://www.jetbrains.com/idea/download/

n Netbeans IDE with the Scala plugin

6、Scala开发工具安装（IDEA）

由于IDEA的Scala插件更优秀，大多数Scala程序员都选择IDEA，可以到http://www.jetbrains.com/idea/download/下载社区免费版，点击下一步安装即可，安装时如果有网络可以选择在线安装Scala插件。这里我们使用离线安装Scala插件：

l 安装IDEA，点击下一步即可。由于我们离线安装插件，所以点击Skip All and Set Defaul

l 下载IEDA的scala插件，地址http://plugins.jetbrains.com/plugin/1347-scala

 

1.安装Scala插件：Configure -> Plugins -> Install plugin from disk -> 选择Scala插件 -> OK -> 重启IDEA

 

 

7、Scala的常用数据类型

注意：在Scala中，任何数据都是对象。例如：

 

 

③　数值类型：Byte，Short，Int，Long，Float，Double

l Byte:  8位有符号数字，从-128 到 127

l Short: 16位有符号数据，从-32768 到 32767

l Int：  32位有符号数据

l Long： 64位有符号数据

 

例如：

val a:Byte = 10

a+10

得到：res9: Int = 20

这里的res9是新生成变量的名字

 

val b:Short = 20

a+b

 

注意：在Scala中，定义变量可以不指定类型，因为Scala会进行类型的自动推导。

 

④　字符类型和字符串类型：Char和String

对于字符串，在Scala中可以进行插值操作。

        

注意：前面有个s；相当于执行："My Name is " + s1

 

 

⑤　Unit类型：相当于Java中的void类型

 

⑥　Nothing类型：一般表示在执行过程中，产生了Exception

例如，我们定义一个函数如下：

 

8、Scala变量的申明和使用

l 使用val和var申明变量

例如：scala> val answer = 8 * 3 + 2

 

可以在后续表达式中使用这些名称

l val：value 简写，表示的意思为值，不可变

要申明其值可变的变量：val

l var：variable 简写，表示的变量，可以改变值

要申明其值不可变的变量：var

 

l 例子

object VariableTest {
  def main(args: Array[String]) {
    //使用val定义的变量值是不可变的，相当于java里用final修饰的变量
    val i = 1
    //使用var定义的变量是可变得，在Scala中鼓励使用val
    var s = "hello"
    //Scala编译器会自动推断变量的类型，必要的时候可以指定类型

    //变量名在前，类型在后
    val str: String = "world"
  }
}

 

 

注意：可以不用显式指定变量的类型，Scala会进行自动的类型推到

9、Scala的条件表达式

Scala的if/else语法结构和Java或C++一样。

不过，在Scala中，if/else是表达式，有值，这个值就是跟在if或else之后的表达式的值。

• Scala的的条件表达式比较简洁，例如：

object ConditionTest {
  def main(args: Array[String]) {
    val x = 1
    //判断x的值，将结果赋给y
    val y = if (x > 0) 1 else -1
    //打印y的值
    println(y)

    //支持混合类型表达式
    val z = if (x > 1) 1 else "error"
    //打印z的值
    println(z)

    //如果缺失else，相当于if (x > 2) 1 else ()
    val m = if (x > 2) 1
    println(m)

    //在scala中每个表达式都有值，scala中有个Unit类，写做(),相当于Java中的void
    val n = if (x > 2) 1 else ()
    println(n)

    //if和else if
    val k = if (x < 0) 0
    else if (x >= 1) 1 else -1
    println(k)
  }
}

 

10、块表达式

object BlockExpressionTest {
  def main(args: Array[String]) {
    val x = 0
    //在scala中{}中课包含一系列表达式，块中最后一个表达式的值就是块的值
    //下面就是一个块表达式
    val result = {
      if (x < 0){
        -1
      } else if(x >= 1) {
        1
      } else {
        "error"
      }
    }
    //result的值就是块表达式的结果
    println(result)
  }
}

 

11、Scala的循环

Scala拥有与Java和C++相同的while和do循环

Scala中，可以使用for和foreach进行迭代

• 使用for循环案例：
  

注意：

（*） <-  表示Scala中的generator，即：提取符

（*）第三种写法是第二种写法的简写

 

• 在for循环中，还可以使用yield关键字来产生一个新的集合
  

 

在上面的案例中，我们将list集合中的每个元素转换成了大写，并且使用yield关键字生成了一个新的集合。

 

• 使用while循环：注意使用小括号，不是中括号

 

• 使用do ... while循环

 

• 使用foreach进行迭代
   

注意：在上面的例子中，foreach接收了另一个函数（println）作为值

 

12、Scala的Lazy值（懒值）

当val被申明为lazy时，它的初始化将被推迟，直到我们首次对它取值。

 

一个更为复杂一点的例子：读取文件：

 

13、异常的处理

Scala异常的工作机制和Java或者C++一样。直接使用throw关键字抛出异常。

 

使用try...catch...finally来捕获和处理异常：

 

 

14、Scala中的数组

Scala数组的类型：

l 定长数组：使用关键字Array

l 变长数组：使用关键字ArrayBuffer

 

l 遍历数组 

 

l Scala数组的常用操作

l Scala的多维数组

 

l 和Java一样，多维数组是通过数组的数组来实现的。

l 也可以创建不规则的数组，每一行的长度各不相同。

 

二、数组、映射、元组

1、 数组

①　定长数组和变长数组

import scala.collection.mutable.ArrayBuffer


object ArrayTest {

  def main(args: Array[String]) {

    //初始化一个长度为8的定长数组，其所有元素均为0
    val arr1 = new Array[Int](8)
    //直接打印定长数组，内容为数组的hashcode值
    println(arr1)
    //将数组转换成数组缓冲，就可以看到原数组中的内容了
    //toBuffer会将数组转换长数组缓冲
    println(arr1.toBuffer)

    //注意：如果new，相当于调用了数组的apply方法，直接为数组赋值
    //初始化一个长度为1的定长数组
    val arr2 = Array[Int](10)
    println(arr2.toBuffer)

    //定义一个长度为3的定长数组
    val arr3 = Array("hadoop", "storm", "spark")
    //使用()来访问元素
    println(arr3(2))

    //////////////////////////////////////////////////
    //变长数组（数组缓冲）
    //如果想使用数组缓冲，需要导入import scala.collection.mutable.ArrayBuffer包
    val ab = ArrayBuffer[Int]()
    //向数组缓冲的尾部追加一个元素
    //+=尾部追加元素
    ab += 1
    //追加多个元素
    ab += (2, 3, 4, 5)
    //追加一个数组++=
    ab ++= Array(6, 7)
    //追加一个数组缓冲
    ab ++= ArrayBuffer(8,9)
    //打印数组缓冲ab

    //在数组某个位置插入元素用insert
    ab.insert(0, -1, 0)
    //删除数组某个位置的元素用remove
    ab.remove(8, 2)
    println(ab)

  }
}

 

②　遍历数组

• 增强for循环
• 好用的until会生成脚标，0 until 10 包含0不包含10

 

object ForArrayTest {

  def main(args: Array[String]) {
    //初始化一个数组
    val arr = Array(1,2,3,4,5,6,7,8)
    //增强for循环
    for(i <- arr)
      println(i)

    //好用的until会生成一个Range
    //reverse是将前面生成的Range反转
    for(i <- (0 until arr.length).reverse)
      println(arr(i))
  }
}

 

 

③　数组转换

yield关键字将原始的数组进行转换会产生一个新的数组，原始的数组不变

 

object ArrayYieldTest {
  def main(args: Array[String]) {
    //定义一个数组
    val arr = Array(1, 2, 3, 4, 5, 6, 7, 8, 9)
    //将偶数取出乘以10后再生成一个新的数组
    val res = for (e <- arr if e % 2 == 0) yield e * 10
    println(res.toBuffer)

    //更高级的写法,用着更爽
    //filter是过滤，接收一个返回值为boolean的函数
    //map相当于将数组中的每一个元素取出来，应用传进去的函数
    val r = arr.filter(_ % 2 == 0).map(_ * 10)
    println(r.toBuffer)

  }
}

 

④　数组常用算法

在Scala中，数组上的某些方法对数组进行相应的操作非常方便！

 

2、 映射

在Scala中，把哈希表这种数据结构叫做映射

①　构建映射

 

②　获取和修改映射中的值

 

好用的getOrElse

 

注意：在Scala中，有两种Map，一个是immutable包下的Map，该Map中的内容不可变；另一个是mutable包下的Map，该Map中的内容可变

例子：

 

注意：通常我们在创建一个集合是会用val这个关键字修饰一个变量（相当于java中的final），那么就意味着该变量的引用不可变，该引用中的内容是不是可变，取决于这个引用指向的集合的类型

例子：如下这段超简单的循环即可遍历映射中所有的键/值对偶

 

3、 元组

映射是K/V对偶的集合，对偶是元组的最简单形式，元组可以装着多个不同类型的值。

①　创建元组

 

②　获取元组中的值

 

③　将对偶的集合转换成映射

 

④　拉链操作

zip命令可以将多个值绑定在一起

 

注意：如果两个数组的元素个数不一致，拉链操作后生成的数组的长度为较小的那个数组的元素个数

三、Scala语言的函数式编程

4、 调用方法和函数

Scala中的+ - * / %等操作符的作用与Java一样，位操作符 & | ^ >> <<也一样。只是有

一点特别的：这些操作符实际上是方法。例如：

a + b

是如下方法调用的简写：

a.+(b)

a 方法 b可以写成 a.方法(b)

5、 定义方法和函数

①　定义方法

 

方法的返回值类型可以不写，编译器可以自动推断出来，但是对于递归方法，必须指定返回类型

②　定义函数

 

③　方法和函数的区别

在函数式编程语言中，函数是“头等公民”，它可以像任何其他数据类型一样被传递和操作

案例：首先定义一个方法，再定义一个函数，然后将函数传递到方法里面

 

object MethodAndFunctionTest {
  //定义一个方法
  //方法m2参数要求是一个函数，函数的参数必须是两个Int类型

  //返回值类型也是Int类型
  def m1(f: (Int, Int) => Int) : Int = {
    f(2, 6)
  }

  //定义一个函数f1，参数是两个Int类型，返回值是一个Int类型
  val f1 = (x: Int, y: Int) => x + y
  //再定义一个函数f2
  val f2 = (m: Int, n: Int) => m * n

  //main方法
  def main(args: Array[String]) {

    //调用m1方法，并传入f1函数
    val r1 = m1(f1)
    println(r1)

    //调用m1方法，并传入f2函数
    val r2 = m1(f2)
    println(r2)
  }
}

 

④　将方法转换成函数（神奇的下划线）

 

6、 Scala的函数和方法的使用

l 可以使用Scala的预定义函数

例如：求两个值的最大值

 

 

l 也可以使用def关键字自定义函数

语法：

 

示例：

 

7、 Scala函数的求值策略

• Scala中，有两种函数参数的求值策略

l Call By Value：对函数实参求值，且仅求一次

l Call By Name：函数实参每次在函数体内被用到时都会求值

  

我们来分析一下，上面两个调用执行的过程：

一份复杂一点的例子：

• Scala中的函数参数

l 默认参数

l 代名参数

l 可变参数

8、 Scala中的函数

在Scala中，函数是“头等公民”，就和数字一样。可以在变量中存放函数，即：将函数作为变量的值（值函数）。
 

9、 匿名函数

 

10、 带函数参数的函数，即：高阶函数

示例1：

（*）首先，定义一个最普通的函数

（*）再定义一个高阶函数 

 

（*）分析这个高阶函数调用的过程 

示例2：

在这个例子中，首先定义了一个普通的函数mytest，然后定义了一个高阶函数myFunction；myFunction接收三个参数：第一个f是一个函数参数，第二个是x，第三个是y。而f是一个函数参数，本身接收两个Int的参数，返回一个Int的值。

11、 闭包

就是函数的嵌套，即：在一个函数定义中，包含另外一个函数的定义；并且在内函数中可以访问外函数中的变量。

测试上面的函数：

12、 柯里化：Currying

柯里化函数(Curried Function)是把具有多个参数的函数转换为一条函数链，每个节点上是单一参数。

 

一个简单的例子：
 

13、 高阶函数示例
 

示例1：

 

 

示例2 ：

示例3 ：

示例4 ：

示例5 ：

在这个例子中，可以被2整除的被分到一个分区；不能被2整除的被分到另一个分区。

示例6 ：

示例7  ：

示例8 ：

在这个例子中，分为两步：

（1）将(1,2,3)和(4,5,6)这两个集合合并成一个集合

（2）再对每个元素乘以2

三、Scala语言的面向对象

1、 面向对象的基本概念

把数据及对数据的操作方法放在一起，作为一个相互依存的整体——对象

面向对象的三大特征：

　　封装

　　继承

　　多态

2、 类的定义

简单类和无参方法：
 

案例：注意没有class前面没有public关键字修饰。

如果要开发main方法，需要将main方法定义在该类的伴生对象中，即：object对象中，（后续做详细的讨论）。
 

3、 属性的getter和setter方法

l 当定义属性是private时候，scala会自动为其生成对应的get和set方法

private var stuName:String = "Tom"

• get方法: stuName    ----> s2.stuName() 由于stuName是方法的名字，所以可以加上一个括号
• set方法: stuName_=  ----> stuName_= 是方法的名字

l 定义属性：private var money:Int = 1000 希望money只有get方法，没有set方法？？

• 办法：将其定义为常量private val money:Int = 1000

l  private[this]的用法：该属性只属于该对象私有，就不会生成对应的set和get方法。如果这样，就不能直接调用，例如：s1.stuName ---> 错误

4、 内部类（嵌套类）

我们可以在一个类的内部在定义一个类，如下：我们在Student类中，再定义了一个Course类用于保存学生选修的课程。

开发一个测试程序进行测试：

5、 类的构造器

类的构造器分为：主构造器、辅助构造器

l 主构造器：和类的声明结合在一起，只能有一个主构造器

Student4(val stuName:String,val stuAge:Int)

(1) 定义类的主构造器：两个参数

(2) 声明了两个属性：stuName和stuAge 和对应的get和set方法
 

l 辅助构造器：可以有多个辅助构造器，通过关键字this来实现

 

6、 Scala中的Object对象

Scala没有静态的修饰符，但Object对象下的成员都是静态的 ，若有同名的class，这其作为它的伴生类。在Object中一般可以为伴生类做一些初始化等操作。

下面是Java中的静态块的例子。在这个例子中，我们对JDBC进行了初始化。

而Scala中的Object就相当于Java中静态块。

Object对象的应用

　　单例对象
 

　　使用应用程序对象：可以省略main方法；需要从父类App继承。

7、 Scala中的apply方法

遇到如下形式的表达式时，apply方法就会被调用：

Object(参数1,参数2,......,参数N)

通常，这样一个apply方法返回的是伴生类的对象；其作用是为了省略new 关键字

Object的apply方法举例：

    

8、 Scala中的继承

Scala和Java一样，使用extends关键字扩展类。

l 案例一：Employee类继承Person类

 

l 案例二：在子类中重写父类的方法

l 案例三：使用匿名子类
 

l 案例四：使用抽象类。抽象类中包含抽象方法，抽象类只能用来继承。

l 案例五：使用抽象字段。抽象字段就是一个没有初始值的字段

9、 Scala中的trait（特质）

trait就是抽象类。trait跟抽象类最大的区别：trait支持多重继承

 

10、 包的使用

Scala的包和Java中的包或者C++中的命名空间的目的是相同的：管理大型程序中的名称。

Scala中包的定义和使用：

　　包的定义
 

　　包的引入：Scala中依然使用import作为引用包的关键字，例如

　　而且Scala中的import可以写在任意地方 

 

11、 包对象

包可以包含类、对象和特质，但不能包含函数或者变量的定义。很不幸，这是Java虚拟机的局限。

把工具函数或者常量添加到包而不是某个Utils对象，这是更加合理的做法。Scala中，包对象的出现正是为了解决这个局限。

Scala中的包对象：常量，变量，方法，类，对象，trait（特质）

12、 Scala中的文件访问

l  读取行

l  读取字符

其实这里的source就指向了这个文件中的每个字符。

 

l 从URL或其他源读取：注意指定字符集UTF-8

l 读取二进制文件：Scala中并不支持直接读取二进制，但可以通过调用Java的InputStream来进行读入。

l 写入文本文件

四、Scala中的集合

Scala的集合有三大类：序列Seq、集Set、映射Map，所有的集合都扩展自Iterable特质

在Scala中集合有可变（mutable）和不可变（immutable）两种类型，immutable类型的集合初始化后就不能改变了（注意与val修饰的变量进行区别）

1、 可变集合和不可变集合

l 可变集合

l 不可变集合：

　　集合从不改变，因此可以安全地共享其引用。

　　甚至是在一个多线程的应用程序当中也没问题。

 集合的操作：

2、 列表

l 不可变列表（List）
 

不可变列表的相关操作：
 

l 可变列表（LinkedList）：scala.collection.mutable
 

3、 序列

常用的序列有：Vector和Range

　　Vector是ArrayBuffer的不可变版本，是一个带下标的序列

　　Range表示一个整数序列

 

 

4、 集（Set）和集的操作

l 集Set是不重复元素的集合

l 和列表不同，集并不保留元素插入的顺序。默认以Hash集实现

 

示例1：创建集

 

示例2 ：集的操作

5、 模式匹配

Scala有一个强大的模式匹配机制，可以应用在很多场合：

　　switch语句

　　类型检查

 

Scala还提供了样本类（case class），对模式匹配进行了优化

 

模式匹配示例：

l 更好的switch

l Scala的守卫

l 模式匹配中的变量

l 类型模式

l 匹配数组和列表

6、 样本类(CaseClass)

简单的来说，Scala的case class就是在普通的类定义前加case这个关键字，然后你可以对这些类来模式匹配。

 

case class带来的最大的好处是它们支持模式识别。

 

首先，回顾一下前面的模式匹配：

其次，如果我们想判断一个对象是否是某个类的对象，跟Java一样可以使用isInstanceOf

最后，在Scala中有一种更简单的方式来判断，就是case class
 

注意：需要在class前面使用case关键字。

 

 

五、Scala语言的高级特性

1、 什么是泛型类

和Java或者C++一样，类和特质可以带类型参数。在Scala中，使用方括号来定义类型参数

测试程序：
 

2、 什么是泛型函数

函数和方法也可以带类型参数。和泛型类一样，我们需要把类型参数放在方法名之后。

注意：这里的ClassTag是必须的，表示运行时的一些信息，比如类型。

3、 Upper Bounds 与 Lower Bounds

类型的上界和下界，是用来定义类型变量的范围。它们的含义如下：

　　S <: T

这是类型上界的定义。也就是S必须是类型T的子类（或本身，自己也可以认为是自己的子类。

　　U >: T

这是类型下界的定义。也就是U必须是类型T的父类(或本身，自己也可以认为是自己的父类)。

l 一个简单的例子：
 

l 一个复杂一点的例子（上界）：

l 再来看一个例子：

4、 视图界定（View bounds）

它比 <: 适用的范围更广，除了所有的子类型，还允许隐式转换过去的类型。用 <% 表示。尽量使用视图界定，来取代泛型的上界，因为适用的范围更加广泛。

示例：

l 上面写过的一个列子。这里由于T的上界是String，当我们传递100和200的时候，就会出现类型不匹配。
 

l 但是100和200是可以转成字符串的，所以我们可以使用视图界定让addTwoString方法接收更广泛的数据类型，即：字符串及其子类、可以转换成字符串的类型。

注意：使用的是 <% 
 

l 但实际运行的时候，会出现错误：

 

这是因为：Scala并没有定义如何将Int转换成String的规则，所以要使用视图界定，我们就必须创建转换的规则。

l 创建转换规则
 

l 运行成功
 

5、 协变和逆变

l 协变：

Scala的类或特征的范型定义中，如果在类型参数前面加入+符号，就可以使类或特征变为协变了。

　　逆变：

在类或特征的定义中，在类型参数之前加上一个-符号，就可定义逆变范型类和特征了。
 

总结一下：Scala的协变：泛型变量的值可以是本身类型或者其子类的类型

              Scala的逆变：泛型变量的值可以是本身类型或者其父类的类型

6、 隐式转换函数

所谓隐式转换函数指的是以implicit关键字申明的带有单个参数的函数。

l 前面讲视图界定时候的一个例子：

 

l 再举一个例子：我们把Fruit对象转换成了Monkey对象
 

7、 隐式参数

使用implicit申明的函数参数叫做隐式参数。我们也可以使用隐式参数实现隐式的转换

8、 隐式类

所谓隐式类： 就是对类增加implicit 限定的类，其作用主要是对类的功能加强！