为什么spark要用Scala实现？
1，构建系统的选择，***t更合适用来构建Scala工程，m***en更合适用来构建java工程2，对于Spark中的API来说，Java和Scala有差别，但差别并不大3，如果用Scala开发spark原型程序，可以用spark-shell逗打草稿地，或者直接使用spark-shell做交互式实时查询4，用Scala代码量将减少甚至一个数量级，不过Scala的使用门槛较高建议：使用Scala构建spark作业，因为spark本身为***t所构建，同时使用Scala开发spark作业将有助于理解spark的实现机制作者：egraldlo链接：
1、spark和scala真的是非常完美的配搭，RDD的很多思想与scala类似，如完全相同概念List的map、filter等高阶算子，很短的
代码就可以实现j***a很多行的功能；类似于fp中的不可变及惰性计算，使得分布式的内存对象rdd可以实现，同时可以实现pipeline；
2、scala善于借力，如设计初衷就包含对于jvm的支持，所以可以很完美的借j***a的生态力量；spark一样，很多东西不要自己写，直接使用、借鉴，如直接部署在yarn、mesos、ec2，使用hdfs、s3，借用hive中的sql解析部分；
3、还有akka方便开发高效的网络通讯。
大家都用什么scala开发工具？
现在的比较流行的scala开发工具都是以前的j***a IDE添加插件来实现的，比如IntelliJ IDEA或者eclipse或者NetBean, 我平时用的最多的还是Intellij的，感觉用起来比较舒服，Bug比较少一点，Eclipse的问题还是太多，很多时候会出现莫名其妙的编译错误，但是Eclipse好像是有个scala的官方团队在进行开发，毕竟之前做j***a开发还是用eclipse的时候多。
希望以后eclipse的插件能够更完善吧，2.8.0final之后scala的eclipse插件已经更新到最新版本了，但是Intellij的插件不用更新就能直接用2.8的scala，感觉还是很舒服的，specs和scalatest都能良好运行。
大数据中的Scala好掌握吗，自学可以吗？
不过在学习Scala之前，你最好先对J***a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J***a. 对于J***a基础扎实的同学, 学习Scala是很友好的；
2， 在常用工具中， Flume和Hadoop由j***a编写， Spark和Kafka由Scala编写。
所以对于想学大数据的同学而言， Scala确实是最推荐的。
Scala作为一门较新的语言，它的社区是比较混乱的。Scala社区里有很多不同的尝试，以J***a一支和Haskell一支为主，此外还有使actor和reactive programming一派的。你如果连一个已经成熟的编程范式都没有掌握，我觉得很大可能你会吃不消Scala。
