点击查看【bilibili】

1 课程目标

1.1 目标1：（初级）熟练使用scala编写Spark程序

1.2 目标2：（中级）动手编写一个简易Spark通信框架

1.3 目标3：（高级）为阅读Spark内核源码做准备

2 Scala概述

2.1 什么是Scala

函数式编程：
函数式编程是一种编程思想，主要的思想把运算过程尽量写成一系列的函数调用。
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。
scala是对java的进一步封装，基于java来开发的。

2.2 为什么要学Scala

1. 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。
2. 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。
3. 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。

4，Spark的开发语言，掌握好scala，就能更轻松的学好spark。
python，java，scala，R
原生的API，速度更快。
spark函数式编程初体验

3 Scala开发环境

3.1 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
使用 # java -version 来验证
确保已安装jdk1.8+

3.2 安装Scala

3.2.1 Windows安装Scala编译器

访问Scala官网http://scala-lang.org/download/2.11.8.html 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，所以本课程使用2.11.x版本
安装方式一：下载scala-2.11.8.msi后双击打开一路next运行安装。
安装方式二：直接使用免安装版的，解压即可。

安装完成之后，配置环境变量SCALA_HOME和PATH：

可以在cmd窗口下验证： 输入scala -version 查看scala版本

输入scala 可进入scala shell交互模式

输入：q 或：quit退出scala交互命令行。
该交互模式，有一个高大上的名称：REPL
Read Evaluate Print Loop
（读取-求值-打印-循环）

3.2.2 Linux中安装Scala编译器

下载Scala地址https://downloads.lightbend.com/scala/2.11.8/scala-2.11.8.tgz
1,上传并解压Scala到指定目录
# tar -zxvf scala-2.11.8.tgz -C /usr/local/
2,创建一个软连接（可选项）
# ln -s /usr/local/scala-2.11.8 /usr/local/scala
3,配置环境变量，将scala加入到PATH中
# vi /etc/profile

public class test{
    public static void main(String [] args){
        System.out.println(“hello java”);
    }
}

3.3 Linux下运行第一个scala程序

3.3.1 代码编写：

vim ScalaTest

3.3.2 代码编译：

scalac ScalaTest

3.3.3 代码运行：

scala ScalaTest

运行流程（类似java）：
先编译（scalac），再执行(scala)
scala中，不强制要求源文件和类名一致。

3.4 IDEA安装

目前Scala的开发工具主要有两种：Eclipse和IDEA，这两个开发工具都有相应的Scala插件，如果使用Eclipse，直接到官网下载即可
http://scala-ide.org/download/sdk.html 不推荐使用该种方式

IDEA的Scala插件更优秀，有逼格的Scala攻城狮都选择IDEA（只需一次，就会爱上她）
下载地址：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：

1. 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 Default
2. 下载IEDA的scala插件，地址http://plugins.jetbrains.com/?idea_ce

3.5 Scala插件离线安装

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

选择好插件后，重启IDEA：

3.6 IDEA 创建Scala工程

安装完成后, 双击打开IDEA, 创建一个新的项目(Create New Project)

选中左侧的Scala -> IDEA -> Next

输入项目名称 -> 点击Finish完成即可

3.7 IDEA常用配置：

Ctrl+Alt + s 进入到settings配置页面。
修改字体：

修改字符集：

如果每次启动IDEA，直接进入到项目页面，没有引导页面，修改配置如下：

修改安装目录的idea.properties文件

maven修改本地仓库地址：

4 Scala基础

4.1 函数式编程初体验Spark-Shell之WordCount

Q1: 对上述文件内容使用Spark进行单词个数统计?

Q2: 对上述输出结果进行降序 ?

上述代码，暂不需要练习

4.2 常用类型

Scala和java一样，
有7种数值类型：Byte、Char、Short、Int、Long、Float和Double（没有基本类型和包装类型的区分）
2种非数值类型： Boolean 和 Unit
注意：Unit表示无值，相当于java中的void。用作不返回任何结果的类型。Unit对象只有一个实例值，写成()。（小括号）
String是属于引用类型

4.3 声明变量

String a = “”
ab=””
val var
定义变量使用var 或者 val关键字
语法: var|val 变量名称 (: 数据类型) = 变量值
使用val定义的变量是不可变的，相当于java中用final修饰的变量
使用var定义的变量是可变的，在Scala中推荐使用val
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
lazy val 变量名
lazy关键字修饰的变量，是一个惰性变量，实现延迟加载（懒加载），在使用的时候才会加载。

lazy关键字不能修饰 var类型的变量

可以同时声明多个变量，可以使用通配符声明变量：
java中的通配符是*,scala中的通配符是
定义一个变量，必须赋予初始值，如果没有初始值，可以使用占位符代替，但是变量必须指定类型。而且占位符变量不能定义在main方法内部。

4.4 条件表达式

条件表达式的值可以赋值给一个变量
支持混合类型的表达式。

Scala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)
混合类型会返回父类类型。
//如果缺失else，相当于if (x > 2) 1 else ()
val m = if (x > 2) 1
println(m)

_//在scala中每个表达式都有返回值，scala中有个Unit类，写做(),相当于Java中的void<br />    _**val **n = **if **(x > 2) 1 **else **()<br />    _println_(n)
_//if和else if<br />    _**val **k = **if **(x < 0) 0 **else if **(x >= 1) 1 **else **-1<br />    _println_(k)<br />  }<br />} |

| —- |

表达式都是有返回值的。
混合类型中，返回值类型是多个分支的返回值类型的父类（超类）
每一个条件语句，都有返回值，默认返回值是最后一行的值，如果没有内容或者内容为空，那么返回值类型就是Unit,值是()。
多条件分支中，缺少了某一个分支，默认会返回Unit。
条件表达式，可以使用{}，写在一行时，或者只有一行内容时，可以省略{}。
if(x>2) 3 else 5

4.5 块表达式

{} 称为块表达式，块表达式中可以包含一系列的表达式，最后一个表达式的值就是块的值。

4.6 循环

在scala中有for循环和while循环， for循环最常用

4.6.1 for循环

for(i=0;ifor(Int I :arr){}
语法结构：for (i <- 表达式/数组/集合)
java for循环方式：
// for(i=1;i<10;i++) // 传统for循环
// for(Int I :arr) // 增强for循环

| object ForTest {
def main(args: Array[String]) {
//for(i <- 数组)
val arr = Array(“a”, “b”, “c”)
// 遍历打印数组中的每个元素 for (i <- arr) // 类似Java中的增强for println(i)
// 通过角标获取数组中的元素
val index = Array(0,1,2)
// 遍历打印数组中的每个元素 for (i <- index) // 类似Java中的传统for println(arr(i)) // 获取元素的方式是（），java中是[]


//for(i <- 表达式),表达式1 to 10返回一个Range（区间）
//每次循环将区间中的一个值赋给i
for (i <- 1 to 6)
println(i)
println(arr(i)) // 报错，如果不加{}，只会把for后面的一行当做循环的内容。

for (i <- 1 to 6){
println(i)
println(arr(i))
}

**for**(i <- 1 until 6) { _// 0 until 6 => 会生成一个范围集合Range(0,1,2,3,4,5)<br />        println_(_array_(i))<br />    }_    // 打印数组中的偶数元素_<br />_// 在for循环中，通过添加守卫来实现输出满足特定条件的数据<br />    _**for**(e <- _arr  _**if **e % 2 == 0) { _// for表达式中可以增加守卫<br />        println_(e)<br />    }
_//高级for循环<br />    //每个生成器都可以带一个条件<br />    _**for**(i <- 1 to 3; j <- 1 to 3 **if **i != j){ <br />      _print_((10 * i + j) + **" "**)<br />}
_//for推导式：如果for循环的循环体以yield开始，则该循环会构建出一个集合_<br />_    //每次迭代生成集合中的一个值<br />    _**val **v = **for **(i <- 1 to 10) **yield **i * 10<br />    _println_(v)<br />  }<br />} |

| —- |

两个生成器： to until
1 to 10 生成 Range(1, 2, 3, 4, 5, 6, 7, 8, 9, 10) 左闭右闭区间
1 until 10 生成 Range(1, 2, 3, 4, 5, 6, 7, 8, 9) 左闭右开区间

4.6.2 while循环

Scala 的 while 循环和其它语言如 Java 功能一样，它含有一个条件，和一个循环体，只有条件满足，就一直执行循环体的代码。
语法结构：while(condition){ 循环体内容 }

Scala 也有 do-while 循环，它和 while 循环类似，只是检查条件是否满足在循环体执行之后检查。

循环也有返回值，只不过都是Unit

插值法

4.7 函数式编程再体验：

map：对集合或者数组中的每一个元素进行操作，该方法接收一个函数，具体的业务逻辑是自己定义的。
filter: 过滤，过滤出满足条件的元素。

4.8 调用方法（运算符重载为方法）

Scala中的+ - * / %等操作符的作用与Java一样。只是有一点特别的：
这些操作符实际上是方法。操作符被重载为方法。
例如：
a + b
是如下方法调用的简写：

1. +(b)

a 方法 b可以写成 a.方法(b)

5 方法和函数

方法用于做什么：
业务逻辑中，一段逻辑代码，被使用超过1次，就可以把这段代码抽取出方法。为了代码的复用性。
方法：一段业务逻辑的综合。

5.1 定义方法

java中的方法：
public int add(int a,int b){
return a + b;
}
def methodName ([list of parameters]) : [return type] = {}

| /*
方法的定义及调用

定义方法的格式为:
def methodName ([list of parameters]) : [return type] = {}
如果不使用等号和方法体，则隐式声明抽象(abstract)方法。
*/object ScalaMethod extends App{

_// 定义个sum方法, 该方法有2个参数, 参数类型为整型, 方法的返回值为整型<br />    _**def **sum(a:Int, b: Int): Int = {<br />        a + b<br />    }<br />   _// 定义有可变参数的方法,_<br />   **def **sumAll(b: Int*): Int = {<br />    **var **v = 0<br />    **for **(i<- b){<br />       v += i<br />     }<br />    v  _// 返回值_   }<br /><br />    _// 调用<br />    _**val **_result1 _= _sum_(1, 5)<br />    _println_(_result1_)<br />println(sumAll(1,11,13))
_// 该方法没有任何参数, 也没有返回值<br />    _**def **sayHello1 = _println_(**"Say BB1"**)<br />    **def **sayHello2() = _println_(**"Say BB2"**)<br />    _sayHello1 // 如果方法没有() 调用时不能加()<br />    sayHello2 // 可是省略(), 也可以不省略_} |

| —- |

总结：
调用空参方法时，可以省略参数列表的(),但是如果定义空参方法时没有添加参数列表(),则在调用时，不能加()。
方法不能做为最终的表达式单独存在，必须显示调用。（无参的方法调用时，可以省略（））
方法的返回值类型，可以省略，编译器会自动推断出来，但是两种情况下必须指定
（1，递归调用的方法，2，有return返回值的方法，必须显示声明返回值类型。）
对于递归方法，必须指定返回类型
对于有return 关键字的，必须指定返回类型
def rec(n:Int):Int= if (n==0) 0 else nrec(n-1)
def meth1(x:Int,y:Double):Double = return xy

5.2 定义函数

val| var 函数名称=（函数的参数列表） => 函数体
val | var 函数名称：（输入参数类型）=> 返回值类型 = （参数的引用）=> 函数体

函数可以作为最终的表达式存在，返回的内容就是函数的签名
签名（函数的名称，函数的参数，函数的返回值类型）
这种定义方式不需要指定返回值类型，编译器会自动推断

第二种定义方式：
复杂全面的定义
val | var 函数名称：（输入参数类型）=> 返回值类型 = （参数的引用）=> 函数体

定义一个无参的函数
不同于方法，没有参数的函数定义，也必须加()
val f2:()=>Unit =() => println(123) val f2 =() => println(123) 返回值类型为Unit
val f2:()=>Int =() => 123 val f2=() => 123 返回值类型为Int

5.3 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
函数和变量，类，对象，一个级别，方法，要归属于类或者对象
区别和联系：
1，方法使用def关键字定义 ，函数使用 => 定义
2，方法不能作为单独的表达式存在，函数可以作为最终的表达式，返回函数签名
3，都可以显示的使用参数来增加参数列表
4，函数可以作为参数，传递给方法

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<br />    _**val **r1 = _m1_(_f1_)<br />    _println_(r1)
_//调用m1方法，并传入f2函数<br />    _**val **r2 = _m1_(_f2_)<br />    _println_(r2)<br />  }<br />} |

| —- |

| // 定义一个普通方法def max(x:Int,y:Int) = if(x>y)x else y
// 定义一个方法，参数是一个函数，参数只需要函数签名，在调用的时候具体再传入函数体def max1(f:(Int,Int)=>Int) = f(20,10)def max2(f:(Int,Int) => Int,x:Int,y:Int)= f(x,y)
// 定义一个方法，方法返回值是函数def max3()= (x:Int,y:Int)=> if (x>y) x else ydef main(args: Array[String]): Unit = {

println(max(10,20))
println(max1((x:Int,y:Int)=>if(x>y) x else y))
println(max2((x:Int,y:Int)=>if(x>y) x else y,10,20))
println(max3()(10,20))
} | | —- |

5.4 将方法转换成函数（神奇的下划线）

一个集合类型：
元组Tuple，是一组数据的集合，类型可以是任意的
（1,2.0,”xx”）
想要获取元组的值
通过下划线，加上下标，角标从1开始

6 元组Tuple

与数组或列表不同，元组可以容纳不同类型的对象，但它们也是不可变的。
元组是不同类型元素的集合

6.1 创建元组

定义元组时，使用小括号将多个元素括起来，元素之间使用逗号分隔，元素的类型可以不同，元素的个数任意多个（不超过22个）
注意：元组没有可变和不可变之分，都是不可变的。

6.2 获取元组中的值

获取元组的值使用下标获取，但是元组的下标时从1开始的，而不是0

6.3 将对偶的集合转换成映射

6.4 拉链操作

zip命令可以将多个值绑定在一起，生成元组

多个zip # name zip values zip values.map(_*10)
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

6.5 元素交换

可以使用 Tuple.swap 方法来交换对偶元组的元素。

| // 定义元组var t = (1, “hello”, true)// 或者val tuple3 = new Tuple3(1, “hello”, true)
// 访问tuple中的元素println(t.2) // 访问元组总的第二个元素

// 迭代元组t.productIterator.foreach(_println)
// 对偶元组val tuple2 = (1, 3)// 交换元组的元素位置, tuple2没有变化, 生成了新的元组val swap = tuple2.swap | | —- |

元组类型Tuple1，Tuple2，Tuple3等等。目前在Scala中只能有22个上限，如果需要更多个元素，那么可以使用集合而不是元组。

7 案例wordCount

| // 原始数据
val arr = ArrayString

_// 一行完全可以实现，但是不推荐<br />//    arr.map(x=>x.split(" ")).flatten.map(x=>(x,1)).groupBy(x=>x._1).map(x=>(x._1,x._2.length)).toList.sortBy(x=> -x._2)<br />//    .foreach(x=>println(x))
// 目标： 做wordcount
// 数据切分<br />//    val lines: Array[Array[String]] = arr.map(x=>x.split(" "))<br />    // 数据压平<br />//    val flatLines: Array[String] = lines.flatten<br />    // 有一个替代的方法，flatMap  先map  再flatten<br />    _**val **flatLines = arr.flatMap(x=>x.split(**" "**))<br />    _// 和1 组装起来<br />    _**val **wordsWithOne: Array[(String, Int)] = flatLines.map(w=>(w,1))<br />    _// 按照单词分组   就是元组的第一个元素<br />    _**val **grouped: Map[String, Array[(String, Int)]] = wordsWithOne.groupBy(t=>t._1)<br />    _// 统计单词出现的次数  正常情况下是求和，但是这里是一个特例，所以可以使用长度来判断次数<br />    _**val **result: Map[String, Int] = grouped.map(t=>(t._1,t._2.length))<br />    _// 排序<br />//    map不能直接排序，那么就转变成list，然后调用List集合上的sortBy方法<br />    _**val **sortedResult: List[(String, Int)] = result.toList.sortBy(t=> -t._2)<br />_//    sortedResult.foreach(x=>println(x))<br />    _sortedResult.foreach(_println_) |

| —- |