标签：
第一课：Scala入门
1：Scala的重大价值
2：Scala基础函数入门实战
3：Scala函数入门实战
4：Scala中的Array，Map，Tuple实战
5：综合案例及Spark源码解析
Scala与Java的关系：
一：它们都是基于JVM的，但Scala可以调用Java的任何功能，比如Spark运行在Hadoop上，它可以调用Hadoop上的一切功能。
二：你可以认为Scala它是一个升级版的Java，因为Scala它本身是一门支持面向对象的语言，在Scala中，一切皆对象，它是一门纯面向对象的语言，同时Scala也是面向对象以及函数式结合的语言。
大数据的开发语言是Scala，原因如下：
一：大数据的本身是计算数据，而Scala即有面向对象组织项目工程的能力，又有计算数据的功能。
二：现在大数据事实上的计算标准框架Spark，它是用Scala开发的，因为计算数据，Scala它是函数式编程，它实现算法非常简洁优雅。
例：kafka，它是一个消息中间件，如果外部数据要流进大数据中心，我们一般都要用kafka作适配器，那如果大数据中心的数据流到外部，也是用kafka（如Spark计算的数据要交给HBASE或MySql,期间我们都会用kafka），很多的大数据组件都是用的Scala编写的，SO，如果你想成为一个顶级的大数据开发高手，你一定要掌握Scala。
结果类型转换：
1.5*2 结果res1：Double = 3.0
res1.toInt //按table可以自动补全
Scala中变量的声明：
一：可变变量的声明
var name="Spark" //声明了一个可变变量name，值为Spark，可以将name的值改为Scala：name="Scala"
二：不可变变量的声明
val result = 2+10 //声明了一个不可变的变量result且它的值是12，它的值是不可被改变的，如果你重新给result赋值为13，result=13，此时会报错，因为变量result是不可变变量。
注：Spark RDD中的数据默认都是不可变的。
三：手动指定变量赋值的类型
val age : Int = 0 //指定age不可变变量的类型为Int，值为0
val name : String = null //指定name不可变变量的类型为String，它的默认值是null
注：如果你指定了变量具体的类型，后续对变量赋值时：只能赋值为你指定的类型或者类型的子类型。
四：一行代码同时声明多个变量
val age1, age2，age3 = 0
注意：Scala中，它可以完成基本类型和我们所谓的对象类型的自动转换的操作，在Scala中，基本类型就是对象，比如：10.toLong，在Java中，基本类型是没有这种方法的，但Scala中就有。
Scala中没有这种1++，1--，这种操作符。
比如：var age = 10; age ++ //这样操作是不对的，但是你可以这样做：age+=1
取最小值：
import scala.math._
min(20,4)
结果为4
构建数组:
val array = Array(1,2,3,4)
内部实现：val array = Array.apply(1,2,3,4)
五：if 表达式
val age = 19
if(age>=18) "adult" else "child"
结果String = adult
//注意：Scala中，if表达式是有结果的，但Java中是没有的。
****最后一行的值是整个代码块的返回值：如下****
var buffered = 0;
val result = if(age>=18){
| "audlt"
| buffered = 10
| buffered
}
//结果result:AnyVal = 10
六：循环
0 to element
for(i <- 0 to element) println(i)
//说明：<- 它是个提取符，提取出这个集合Range中的每一个元素并把它的值赋值给i
for(i <- 0 to element if i%2 ==0) {
println(i)
}
//打印出偶数
如何终止循环，因Scala中没有break语句，但Scala中有一个Breaks对象，我们可以使用。
一：导包：import scala.util.control.Breaks._
二：使用
for(i <- 1 to 10){
if(i==4)
break
println(i)
}
结果1 2 3
scala.util.control.BreakControl
//其实此时已经实现了return
七：函数定义：
默认参数
def f3(param1:String,param2:Int=30)=param1+param2
f3("Spark")
值：Spark30
不按顺序传参：带名参数，如下
f3(param2=100,param1="Scala")
结果：Scala100
变长参数函数
def sum(numbers : Int*)={var result=0;for(element <- number) result+=element;result}
sum(1,2,3,4,5,6,7,8,9,10)
值为55
sum(1 to 100:_*) 值为5050，：_*表示将里面的每个元素提取出来，再相加
没有返回值的函数叫做过程。
八：lazy：如果一个变量声明为lazy，表示这个变量只有在第一次使用时，才会发生计算，比如说打开文件，打开数据库，操作网络，如果将变量声明为lazy，特别有用。
九：异常
try{
}catch{
}finally{
println("finally")
}
//注意：与Java中的异常稍微不一样。
十：集合操作
创建不可变数组：val arr = new Array[Int](5) //创建了一个不可变的数组,大小为5，官方说法：val表示arr本身的对象不可修改，但对象的内容是可以修改的
访问元素：arr(3) //访问第4个元素。
修改元素的值：arr(2)= 8
创建不可变数组时并赋值：val arr1 = Array("Scala","Spark")
其实它内部用的是apply: val arr1 = Array.apply("Scala","Spark") // apply就是内部工厂方法构造器
创建可变数组：可增加或删减元素
一：导包 import scala.collection.mutable.ArrayBuffer
二：val arrBuffer = ArrayBuffer[Int]()
追加元素：arrBuffer +=10;
arrBuffer +=(11,1,3,4,5) //那么这个可变数组就有5个元素
arrBuffer ++=(1,2,3,4) //在现有的arrBuffer的5个元素的后面追加1，2，3，4 四个元素
删减元素：
arrBuffer.trimEnd(3) //截断arrBuffer后面的3个元素
固定位置加元素：arrBuffer.insert(5,100)，第5个元素增加100这个元素，那么后面的元素会往后移
固定位置删元素：arrBuffer.remove(5)，删除第5个位置的元素
arrBuffer.remove(5,3)，第5个位置开始删除3个元素,包括5的位置
for循环遍历数组
for(element <- arrBuffer)
{
println(element)
}
数组求和：arrBuffer.sum
数组求最大值：arrBuffer.max
数组排序：scala.util.Sorting.quickSort(arrBuffer)
Map
定义不可变的Map val persons = Map("Spark" ->6,"Hadoop" -> 11)
访问key为Hadoop的Map里面的值：persons("Hadoop")
定义可变的Map
val persons = scale.collection.mutable.Map("Spark" ->6,"Hadoop" -> 11)
加元素：
persons=+("Flink" -> 5)
减元素:
persons-="Flink"
Map中的if()else()操作的变型
在Spark中写法是：persons.getOrElse("Spark",1000) //如果persons这个Map中包含有Spark，取出它的值，如果没有，值就是1000。
for循环访问persons里面的Key和value
for((key,value)<- persons)
println(key+"："+value)
值：Hadoop：11
Spark：6
创建可排序的Map：会对Map的key进行排序
val persons = scale.collection.immutable.SortedMap("Spark" ->6,"Hadoop" -> 11)
tuple：它可以存放很多的不同类型的数据
val tuple=("Spark",6,99.0)
访问：tuple._1 结果String=Spark
注：它的访问下标是从1开始的，跟数组不一样。
开发环境：
Ubuntu 14.x
Scala 2.10.4
Java 1.8
标签：
原文地址：http://www.cnblogs.com/supersom/p/5094666.html
