Apache Spark是一个用于大规模数据处理的并行计算框架，其核心开发语言为Scala。Scala因其简洁语法、类型推断及支持REPL（Read-Evaluate-Print Loop）环境，相比Java在Spark开发中展现出更高的效率。尽管Python以易读性和交互式编程环境著称，但在Spark上下文中，Scala似乎更胜一筹，尤其是在即时结果检查和开发效率方面。
Apache Spark作为类Hadoop MapReduce的通用并行框架，一款专为大规模数据处理而设计的分布式计算引擎，以其优越的性能，较为完善的生态，受到了大数据从业人员的青睐。
Spark的框架使用Scala编写（注：Scala是一种运行在Java虚拟机上，实现和Java类库互联互通的面向对象及函数式编程语言），而Spark的开发目前主要使用三种语言：Scala、Python、Java。
相比于Java，Spark中用Scala开发语法简洁许多，且支持类型推断，可大大提升开发效率。更为重要的是，Java不支持REPL（Read-Evaluate-Print-Loop交互式编程环境），而REPL又对数据处理十分关键（很多时候需要即时查看结果）。可以说Spark中的开发工作，Scala相对Java胜出了。
那么，一向以简洁易上手，“可读性爆表”著称，且拥有交互式编程环境的Python，在Spark环境下与Scala相比又如何呢？
参考资料：
Spark环境下Scala和Python两种语言的对比
学习机器学习选择python，还是spark，Scala？
637
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
