大数据入门：Scala函数式编程

在大数据的学习当中，学到Spark部分，就免不了需要Scala这门语言了，Scala是Spark框架的原生编程语言，想要真正把Spark搞懂，那么对Scala自然也需要相应程度的掌握。今天的大数据入门分享，我们就来讲讲Scala函数式编程。

提到Scala，首先会提到的一个概念，就是函数式编程，这也是Scala语言区别与其他编程语言的典型特征。Scala是一门多范式（multi-paradigm）的编程语言，设计初衷是要集成面向对象编程和函数式编程的各种特性。

在大数据处理场景下，Scala语言有着相当的优势——

在实际运行中，Scala源代码被编译为Java字节码，所以可以运行在JVM上，可以调用现有的Java类库，并兼容现有的Java程序。

命令式编程VS函数式编程

命令式编程，程序逻辑的基本元素是：变量+操作符+控制结构，这些元素构成一条条的代码指令，因此，称之为命令式编程。

函数式编程，程序逻辑由：map+匿名函数组成。整个代码中，看不到变量、控制结构、操作符等元素，看到的只有函数，因此，函数式编程的本质就是：程序逻辑的基本元素是函数。

理解函数式编程

命令式编程中，程序逻辑的基本元素是：变量+操作符+控制结构；

函数式编程中，程序逻辑的基本元素是：函数；

面向对象编程中，程序逻辑的基本元素是：对象+操作符+控制结构；

大部分的程序逻辑，命令式编程和函数式编程都可以实现；

命令式编程的思路更加偏向于计算机本身，而函数式编程的思路更偏向于人的思维；

Scala提供了大量的特性，例如：val常量，匿名函数、高阶函数、闭包、柯里化等，来支持函数编程；

函数式编程有利于程序自动并行化，只需对numList做一个简单的数据划分，将numList划分成n个部分，每个部分都执行map()操作，最后汇总结果即可，这个工作是一个固定的模式，可以由机器来完成；

编程时，要注意培养自己使用函数式编程的习惯，尝试将逻辑抽象成函数，将函数作为程序逻辑的组成元素，同时，还可以多阅读别人的代码，如Spark的实现，吸取其中有益的经验，久而久之，就可以写出很专业的的函数式编程代码。

编程方式的选择

Scala支持命令式编程、函数式编程、面向对象编程。

那么在实际编程中该如何选择呢？

在实践中，编程方式的选择，要以功能实现为第一要义。

例如，面向对象支持多态、继承，这些特性对于代码复用、简化逻辑有很大帮助，因此，有类似需求的时候，可以考虑面向对象编程；又比如，函数式编程对程序并行化非常友好，因此，有类似需求的时候，可以考虑函数式编程等等，此外，如类似数学推理的需求，用函数式编程也是比较合适的。

切记：不可因为偏爱某种编程方式，而生搬硬套，为了编程而编程，忘记出发点，是不可取的。

关于大数据入门，Scala函数式编程，以上就为大家做了简单的介绍了。Spark框架在大数据技术生态当中，占据着相当重要的地位，而涉及到Spark学习，也必然离不开Scala函数式编程的学习与掌握。