大数据各个平台上的语言实现
hadoop 由java实现,2003年至今,三大块:数据处理,数据存储,数据计算
存储: hbase --> 数据成表
处理: hive --> 数据仓库的工具
计算: mapreduce --> 入门级
hive java实现
flink 流失处理 scala实现 --> 计算引擎
kafka 数据缓存 scala实现
spark scala实现 \ python
DL 4j scala实现
sklearning python实现
akka scala实现 --> 通信
scala发展历程
scala作者:
马丁,函数编程的爱好者,一直在jvm平台上工作
scala的魅力
scala针对spark集群里的spark -shell 进行脚本编程
scala针对IDEA的maven,进行spark的app开发
大数据开发编程思想
1.加载数据集,(基于本地数据,win \ hdfs \ Array)
2.分割数据集,(聚合操作)
3.选择apache框架(处理-Hive,存储-HBSE,计算-mapreduce,)
4.调试,测试代码
5.调优,代码,app,数据倾斜,troubleshooting故障排除
6.上线
val 和 var
val被final修饰,不可以修改变量值
var可以修改
java和scala共用jvm,但是思想不一样
scala 数据类型:
scala中,一切类的基类为 Any
第一种:
AnyRef,是Any的子类,是所有的引用类型的基类,所有的继承都来自AnyRef
第二种:
AnyVal,是Any的子类,Byte\Char\Short\int\Long\Float\Double(无包装类)-->七种数据类型,Unit(无返回值类型)\Boolean
条件表达式
object test {
def main(args: Array[String]): Unit = {
val x = 1
//判断x的值,将结果赋给y
val y = if (x > 0) 1 else -1
println(y) //1
println("------------------------------------------")
//支持混合类型表达式
val z = if (x > 1) 1 else "error"
println(z) //error
println("------------------------------------------")
//如果缺失else,相当于if(x>2) 1 else ()
val m = if (x > 2) 1
println(m) //()
println("-----------------------------------------------")
//在scala里每个表达式里都有值,scala中有个unit类,写作(),相当于java里的void
val n = if (x > 2) 1 else ()
println(n) //()
println("----------------------------------------------")
//if,else if
val k = if (x < 0) 0
else if (x >= 1) 1 else -1
println(k) //1
}
}
块表达式
* 在scala中"{}"中包含一系列的列表达式就形成了块表达式
* 下面就是一个块表达式
* 用lazy关键字来修饰,该代码局就是在调用才运行
object Block {
def main(args: Array[String]): Unit = {
val x = 0
val result = {
if (x < 0) {
-1
} else if (x >= 1) {
1
} else {
"error"
}
}
println(result) //result的值就是整块的表达式的结果
}
}
printf打印和foreach的使用
arr.toBuffer -> 变常数组
scala> val arr = Array(1,2,3,4)
arr: Array[Int] = Array(1, 2, 3, 4)
scala> print(arr.toString)
[I@108fa66
scala> print(arr.toBuffer)
ArrayBuffer(1, 2, 3, 4)
printf 用法 --> 相当于格式化
%s 表示字符串
%d 表示数字
object game {
def main(args: Array[String]): Unit = {
//readline()允许我们从控制台读取用户输入的数据,类似于java中的System.in和Scanner
val name = readLine("Welcome to Game House,please tell me your name:\n")
print("Thanks,then please tell me your age:\n")
val age = readInt() //初始化
if(age > 18){
printf("Hi,%s,you are %d years old,so you are legal to come here",name,age)
}
else{
printf("Sorry,%s,you are only %d years old,you are illegal to come here",name,age)
}
}
}
for循环的三种方式+filter
scala> val arr = Array(2,3,4,6)
arr: Array[Int] = Array(2, 3, 4, 6)
scala> for(i <- arr){
| if(i%2 == 0){
| println(i)
| }
| }
2
4
6
scala> for(i <- 0 until arr.length){
| if(arr(i)%2 == 0){
| print(arr(i))}}
246
scala> for(i <- 0 to arr.length-1){
| if(arr(i)%2 == 0){
| print(arr(i)+" ")}}
2 4 6
scala> println(arr.filter(_%2==0).toBuffer) //filter内部调用for循环,进行过滤
ArrayBuffer(2, 4, 6)
三种for循环中,to包含最后一位,until不包含
高级for循环 -> 嵌套
scala> for(i <- 1 to 3; j <- 1 to 3 if i != j )
| print((10 * i + j)+ " ")
12 13 21 23 31 32
关键字yield -> 生成新集合
scala> val value = for(i <- 1 to 10) yield i * 10
value: scala.collection.immutable.IndexedSeq[Int] = Vector(10, 20, 30, 40, 50, 6
0, 70, 80, 90, 100)
foreach的引用
map方法返回的是一个新的Array,会占用资源,foreach则直接输出结果,不返回数组
scala> arr
res19: Array[Int] = Array(2, 3, 4, 6)
scala> arr.map(x => print(x))
2346res20: Array[Unit] = Array((), (), (), ())
scala> arr.foreach(print)
2346
scala> val r = print(2)
2r: Unit = ()
函数和方法
----------------------------------定义方法---------------------------------
没有返回类型不打印结果,除非在方法中print,或者加入默认Unit类型
scala> def test(x:Int,y:Int):Int = {x * y}
test: (x: Int, y: Int)Int
scala> test(3,4)
res22: Int = 12
scala> def test1(x:Int,y:Int){x * y}
test1: (x: Int, y: Int)Unit
scala> test1(2,3)
//不出结果,没有返回值类型
scala> def test3(x:Int,y:Int)={x * y}
//如果加上=号,系统会自定判断数据类型
test3: (x: Int, y: Int)Int
scala> test3(2,3)
res8: Int = 6
scala> def test2(x:Int,y:Int){
| println(x * y)}
test2: (x: Int, y: Int)Unit
scala> test2(2,3)
6 //没有返回值,是print出来的
对于递归方法，必须指定返回类型
object digui {
def main(args: Array[String]): Unit = {
println(fab(3))
}
def fab(n:Int):Int = {
if (n <= 1) 1
else fab(n - 1) + fab(n - 2)
}
}
-----------------------------------定义函数-----------------------------------
函数的返回值类型不能不写,可以写"()"
scala> val fun1 = (x:Int,y:Int) => x * y
fun1: (Int, Int) => Int = <function2>
scala> fun1(2,3)
res9: Int = 6
scala> val fun2 = () =>10
fun2: () => Int = <function0>
scala> fun2()
res10: Int = 10
scala> fun2
res11: () => Int = <function0>
调用函数:map提供数组
object func {
def main(args: Array[String]): Unit = {
val arr = Array(2,3,4,5,6,7)
// val fun = (x:Int) => x*20
// val res = arr.map(fun) //第一种
// val res = arr.map((x:Int) => x*20) //第二种
val res = arr.map(_ *20) //第三种
println(res.toBuffer) //输出结果为 ArrayBuffer(40, 60, 80, 100, 120, 140)
}
}
---------------------------方法与函数的区别-----------------------
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
案例:首先定义一个方法,在定义一个函数,然后将函数传递给方法里面
object hanshu {
//定义一个方法
def t1(f:(Int,Int) => Int) : Int = {
f(2,3)
}
//定义函数
val f1=(x:Int,y:Int) => x * y
val f2=(m:Int,n:Int) => m + n
def main(args: Array[String]): Unit = {
//调用函数方法
println(t1(f1)) //6
println(t1(f2)) //5
}
}
Array数组
数组常用算法
可变字符串导包 : import scala.collection.mutable.ArrayBuffer
定义集合时 : Array()不可变,ArrayBuffer()可变
导包后的字符串 (可变)
增加数据
scala> val arr2=new ArrayBuffer[Int](1)
arr2: scala.collection.mutable.ArrayBuffer[Int] = ArrayBuffer()
scala> arr2 += 2
res24: arr2.type = ArrayBuffer(2)
scala> arr2 += (3,4,5)
res25: arr2.type = ArrayBuffer(2, 3, 4, 5)
scala> arr2 ++= ArrayBuffer(1)
res27: arr2.type = ArrayBuffer(2, 3, 4, 5, 1)
从指定位置增加数据
scala> arr2.insert(0,20,21)
scala> arr2
res29: scala.collection.mutable.ArrayBuffer[Int] = ArrayBuffer(20, 21, 2, 3, 4,5,1)
删除元素
scala> arr2.remove(2,3) //第几个元素开始,到第几个元素结束
scala> arr2
res33: scala.collection.mutable.ArrayBuffer[Int] = ArrayBuffer(20, 21, 5, 1)
反转
Map映射
首先导包 : import scala.collection.mutable.Map
定义map集合的两种方法
scala> val age = Map("jack"-> 20,"Leo"-> 21) //箭头创建
age: scala.collection.immutable.Map[String,Int] = Map(jack -> 20, Leo -> 21)
scala> val age = Map(("jack"->20),("Leo"->30)) //元祖创建
age: scala.collection.immutable.Map[String,Int] = Map(jack -> 20, Leo -> 30)
查看map集
scala> age("Leo")
res0: Int = 30
scala> age
res1: scala.collection.immutable.Map[String,Int] = Map(jack -> 20, Leo -> 30)
修改map集指定参数
scala> age("Leo")->20
res3: (Int, Int) = (30,20)
增加map集参数
scala> age += ("Mike"->18,"Heb"->23)
res9: age.type = Map(jack -> 20, Mike -> 18, Heb -> 23, Leo -> 21)
删除map集参数
scala> age - "Mike"
res10: scala.collection.mutable.Map[String,Int] = Map(jack -> 20, Heb -> 23, Leo -> 21)
循环遍历 (LinkedHashMap \ SortedMap)
scala> for((key,value) <- age) println(key+ " "+value)
jack 20
Mike 18
Heb 23
Leo 21
scala> for(key <- age.keySet) println(key)
jack
Mike
Heb
Leo
scala> for(value <- age.values) println(value)
20
18
23
21
---------------------元祖------------------------
小括号括起来的多种类型的值就叫元祖(tuple)
创建元祖
scala> val tuple = ("zhangsan",10,2.3,true)
tuple: (String, Int, Double, Boolean) = (zhangsan,10,2.3,true)
scala> val tuple,(a,b,c) = ("zhangsan",2,true)
tuple: (String, Int, Boolean) = (zhangsan,2,true)
a: String = zhangsan
b: Int = 2
c: Boolean = true
获取元祖: 元祖从1开始,数组从下标0开始取
scala> tuple._1
res14: String = zhangsan
scala> tuple._3
res15: Boolean = true
将数组转成map映射
scala> val arr = Array(("xixi",2),("haha",1),("heihei",3))
arr: Array[(String, Int)] = Array((xixi,2), (haha,1), (heihei,3))
scala> arr.toMap
res16: scala.collection.immutable.Map[String,Int] = Map(xixi -> 2, haha -> 1, he
ihei -> 3)
拉链操作 : zip命令将多个值绑在一起
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
scala> val arr2 = Array(2,3,4)
arr2: Array[Int] = Array(2, 3, 4)
scala> arr zip arr2
res17: Array[((String, Int), Int)] = Array(((xixi,2),2), ((haha,1),3), ((heihei,
3),4))
映射是kv对偶的集合,对偶是元祖的最简单形式,称对偶元祖
scala支持的元祖长度最大为22(个元素)
----------------------集合----------------------
scala的集合有三个类:序列sep,集合set,映射Map
在scala中集合有可变mutable和不可变immutable(默认)两种类型
---------------------------序列--------------------------
- 不可变的序列 import scala.collection.immutable._
- 在Scala中列表要么为空（Nil表示空列表）要么是一个head元素加上一个tail列表。
- :: 表示右结合,列表从右开始向左结合
- 定义List时,List()不可变,ListBuffer()可变
package com.qf.collect
object ImmutListDemo {
def main(args: Array[String]) {
//创建一个不可变的集合
val lst1 = List(1,2,3)
//将0插入到lst1的前面生成一个新的List
val lst2 = 0 :: lst1
val lst3 = lst1.::(0)
val lst4 = 0 +: lst1
val lst5 = lst1.+:(0)
//将一个元素添加到lst1的后面产生一个新的集合
val lst6 = lst1 :+ 3
//将2个list合并成一个新的List
val lst0 = List(4,5,6)
val lst7 = lst1 ++ lst0
//将lst0插入到lst1后面生成一个新的集合
val lst8 = lst1 ++: lst0
//将lst0插入到lst1前面生成一个新的集合
val lst9 = lst1.:::(lst0)
println(lst9)
}
}
----------------------------Set------------------------
不可变的
object ImmutableSet extends App{
val set1 = new HashSet[Int]()
//将元素和set合并并生成一个新的set,原有的set不变
val set2 = set1 + 4
println(set2) //Set(4)
//set中元素不能重复,自动去重
// val set3 = set2 ++ Set(5,6,7) //Set(5,6,7,4)
val set3 = Set(2,3) ++ set2
println(set3) //Set(2,3,4)
}
可变的 set是无序的不可重复的
scala> import scala.collection.mutable._
import scala.collection.mutable._
scala> val set1 = HashSet(2,3,4)
set1: scala.collection.mutable.HashSet[Int] = Set(2, 3, 4)
scala> set1 += 1
res0: set1.type = Set(1, 2, 3, 4)
scala> set1.add(4)
res1: Boolean = false
scala> set1.add(6)
res2: Boolean = true
scala> set1
res3: scala.collection.mutable.HashSet[Int] = Set(1, 2, 6, 3, 4)
scala> set1 ++= HashSet(2,7)
res4: set1.type = Set(1, 2, 6, 3, 7, 4)
scala> set1 -= 1
res5: set1.type = Set(2, 6, 3, 7, 4)
scala> set1.remove(2)
res6: Boolean = true
