大数据学习过程中，都会学习Scala，众所周知，Spark支持4门语言，分别为R、Python、Java与Scala，但真正的底层实现语言则是Scala。在我以往的实践分享中，除了Python，我还会利用Scala去实践一遍，而且在面对大规模的数据建模中，我都会推荐去使用Hadoop、Spark去工程开发，充分利用集群的计算资源。很多在科多大数据培训的在读学员，经常对于学习方法比较提出一文，本文让大家快速了解Scala，并且学会如何学习和使用Scala

一、哪些人群适合学习Scala？

你必须要有清晰的职业发展规划，而不是追逐着潮流去乱学一通，要学以致用，而不是学非所用！

因此，如果你定位是成为一名 大数据开发工程师、数据应用架构师 的话，你需要去了解，更要往底层深入的学习！

如果你定位是成为一名 ETL工程师、数据挖掘工程师 的话，你需要去了解，更要往实践应用去学习！

Scala是很好学习的，自学也是没问题的，只要找对学习材料。scala也是基于Java的，但是比Java封装层次更高，是函数式编程，使用起来自然比Java更加简洁，大大减少了代码量。大数据spark计算框架常用scala编程。也是大数据面试经常会被问到的。

大数据中的Scala好掌握、可以自学，我就是自学的。

IT行业程序员一般都要时刻保持高强度的学习，学习新的知识、新的技能，这行业的特点就是技术更新换代快，如果跟不上技术更新，缺少竞争力，很快就会被淘汰。

学习Scala需要什么？

Scala是用来开发Spark的，不是说其他语言不行，而是Scala天生就是为Spark准备的，写起来简单、代码简洁，只要你有编程技术很容易上手。

跟其他语言不一样的是，Scala是函数式编程语言，函数式编程也没想象的那么神秘。但是前提你需要有编程基础，我以Java为例子，如果你有Java那么学习Scala就会快很多。无论那么语言，注重的是编程思维，再加上一颗能坚持下来的心，Scala半个月就能学会了。

怎么学习Scala

学习Scala自学就可以，在网上找资料、找视频，弄清Scala的语法和一些规范，加上长时间练习就行了。

如果你只是做大数据开发，比如写 Spark 脚本，不难，顶多就是比 Java 数据结构更丰富，外加一些 map, filter 之类的概念，自学教程一大堆。如果你的目的是做基于 Scala 生态的 Web 应用、消息中间件、大数据系统，有难度，某种程度上是很难的。至于为什么

• 语法非常灵活，类型系统非常先进。如果你同时掌握了一门静态（比如Java）和一门动态（比如 Python）类型的语言，就更有体会。
• OOP（面向对象） 和 FP（函数式）编程完整融合。比如需要掌握 Functor、Applicative Funcator、Monoid、Monad 之类的概念
• Actor 模型以及 Akka 生态。完备的并发编程和分布式计算解决方案。

对了，前段时间刚拿到了 Coursera 的 Funcational Program Design in Scala （Scala 函数式编程设计）证书。

下本自学scala看看就足够了，别听下面那帮培训机构扯犊子。中国没有一家培训机构能教你高深的技术。真想深学，上github找两千星以前的开源项目，慢慢琢磨。

大数据技术的学习需要掌握Scala。

不过在学习Scala之前，你最好先对Java和任一函数式语言（Haskell，SML等）有一定程度理解以后，尤其是能够在编程范式之间随意切换以后，再去了解Scala。

Scala在大数据方向不是偏科研的，是非常多地方都会用的，比如说spark。

Scala的好处：

1， JVM base, 全面兼容Java. 对于Java基础扎实的同学, 学习Scala是很友好的；

好掌握,难深入，一般入门容易的深入学习就比较难，入门难的入了门就容易了