1.斯帕克和斯卡拉真是天作之合。rdd的许多思想都与scala类似，如map、filter等高阶算子与scala的概念表完全相同。用很短的
代码，可以实现多行java函数；类似于fp中的不可变和惰性计算，rdd可以用分布式内存对象实现，同时可以实现流水线。scala善于利用例如，设计的初衷包括对jvm的支持，因此可以很好地借鉴java的生态功能；像spark，很多东西不是自己写的，但是可以直接借鉴，比如直接在yarn、mesos、ec2中部署，使用hdfs、s3，借用配置单元的sql解析部分；
3。阿克卡也便于发展高效的网络通信。
sbt更适合构建scala项目，maven更适合构建java项目。2对于spark中的api，java和scala是不同的，但是差别不大。三。如果用scala开发spark原型程序，可以使用spark-shell进行绘图，也可以直接使用spark-shell进行交互式实时查询。4scala代码的数量甚至会减少一个数量级，但使用scala的门槛相对较高。建议：使用scala构建spark作业，因为spark本身是由sbt构建的。同时，利用scala开发spark作业将有助于理解spark的实现机制。作者：egraldlo链接：
学习大数据技术需要掌握scala。
但是，在学习scala之前，您最好在一定程度上了解java和任何函数式语言（haskell、sml等），特别是在您可以在编程范式之间自由切换之后。
scala不偏向大数据方向的科学研究。它被用于许多地方，如火花。
1，jvm基础，与java完全兼容。对于坚实的java基础的学生，学习斯卡拉非常友好！2！在普通工具中，水槽和hadoop是用java编写的，scale和卡夫卡是scala编写的。
所以对于想学习大数据的学生来说，scala确实是最受推荐的。
作为一种相对较新的语言，scala有一个混乱的社区。在scala社区中有许多不同的尝试，主要是java和haskell，以及actor和reactive编程。如果你还没有掌握一个成熟的编程范例，我认为你很可能买不起scala。！当java编程基础很好的时候，学习hadoop系统，然后安排学习scala，然后学习scale，卡夫卡等等。这个顺序更科学合理，更容易让大家掌握。
推荐书籍：scala编程，scala函数编程https:///i6543924910664712718/
