【Scala】Scala中的函数式编程及集合操作

1、Scala中的函数式编程简介

Scala中的函数是Java中完全没有的概念。因为Java是完全面向对象的编程语言，没有任何面向过程编程语言的特性，因此Java中的一等公民是类和对象，而且只有方法的概念，即寄存和依赖于类和对象中的方法。Java中的方法是绝对不可能脱离类和对象独立存在的。
而Scala是一门既面向对象，又面向过程的语言。因此在Scala中有非常好的面向对象的特性，可以使用Scala来基于面向对象的思想开发大型复杂的系统和工程；而且Scala也面向过程，因此Scala中有函数的概念。在Scala中，函数与类、对象等一样，都是一等公民。Scala中的函数可以独立存在，不需要依赖任何类和对象。
Scala的函数式编程，就是Scala面向过程的最好的佐证。也正是因为函数式编程，才让Scala具备了Java所不具备的更强大的功能和特性。
而之所以Scala一直没有替代Java，是因为Scala之前一直没有开发过太多知名的应用；而Java则不一样，Java诞生的非常早，上个世界90年代就诞生了，基于Java开发了大量知名的工程。而且最重要的一点在于，Java现在不只是一门编程语言，还是一个庞大的，涵盖了软件开发，甚至大数据、云计算的技术生态，Java生态中的重要框架和系统就太多了：Spring、Lucene、Activiti、Hadoop等等。

2、函数式编程的语法

（1）将函数赋值给变量
Scala中的函数是一等公民，可以独立定义，独立存在，而且可以直接将函数作为值赋值给变量。Scala的语法规定，将函数赋值给变量时，必须在函数后面加上空格和下划线。

def sayHello(name: String) { println("Hello, " + name) }
val sayHelloFunc = sayHello _
sayHelloFunc("leo")

（2）匿名函数
Scala中，函数也可以不需要命名，此时函数被称为匿名函数。可以直接定义函数之后，将函数赋值给某个变量；也可以将直接定义的匿名函数传入其他函数之中。Scala定义匿名函数的语法规则就是，(参数名: 参数类型) => 函数体。这种匿名函数的语法必须深刻理解和掌握，在spark的源码中有大量这样的语法，如果没有掌握，是看不懂spark源码的。

val sayHelloFunc = (name: String) => println("Hello, " + name)

（3）高阶函数
Scala中，由于函数是一等公民，因此可以直接将某个函数传入其他函数，作为参数。这个功能是极其强大的，也是Java这种面向对象的编程语言所不具备的。接收其他函数作为参数的函数，也被称作高阶函数（higher-order function）。

val sayHelloFunc = (name: String) => println("Hello, " + name)
def greeting(func: (String) => Unit, name: String) { func(name) }
greeting(sayHelloFunc, "leo")
Array(1, 2, 3, 4, 5).map((num: Int) => num * num)

高阶函数的另外一个功能是将函数作为返回值。

def getGreetingFunc(msg: String) = (name: String) => println(msg + ", " + name)
val greetingFunc = getGreetingFunc("hello")
greetingFunc("leo")

（4）高阶函数的类型推断
高阶函数可以自动推断出参数类型，而不需要写明类型；而且对于只有一个参数的函数，还可以省去其小括号；如果仅有的一个参数在右侧的函数体内只使用一次，则还可以将接收参数省略，并且将参数用来替代。诸如3 * 的这种语法，必须掌握！！spark源码中大量使用了这种语法！

def greeting(func: (String) => Unit, name: String) { func(name) }
greeting((name: String) => println("Hello, " + name), "leo")
greeting((name) => println("Hello, " + name), "leo")
greeting(name => println("Hello, " + name), "leo")

def triple(func: (Int) => Int) = { func(3) }
triple(3 * _)

（5）Scala的常用高阶函数
map: 对传入的每个元素都进行映射，返回一个处理后的元素。

Array(1, 2, 3, 4, 5).map(2 * _)

foreach: 对传入的每个元素都进行处理，但是没有返回值。

(1 to 9).map("*" * _).foreach(println _)

filter: 对传入的每个元素都进行条件判断，如果对元素返回true，则保留该元素，否则过滤掉该元素。

(1 to 20).filter(_ % 2 == 0)

reduceLeft: 从左侧元素开始，进行reduce操作，即先对元素1和元素2进行处理，然后将结果与元素3处理，再将结果与元素4处理，依次类推，即为reduce；reduce操作必须掌握！spark编程的重点！！！
下面这个操作就相当于1 * 2 * 3 * 4 * 5 * 6 * 7 * 8 * 9。

(1 to 9).reduceLeft( _ * _)

sortWith: 对元素进行两两相比，进行排序。

Array(3, 2, 5, 4, 10, 1).sortWith(_ < _)

（6）闭包
闭包最简洁的解释：函数在变量不处于其有效作用域时，还能够对变量进行访问，即为闭包。

def getGreetingFunc(msg: String) = (name: String) => println(msg + ", " + name)
val greetingFuncHello = getGreetingFunc("hello")
val greetingFuncHi = getGreetingFunc("hi")

两次调用getGreetingFunc函数，传入不同的msg，并创建不同的函数返回。然而，msg只是一个局部变量，却在getGreetingFunc执行完之后，还可以继续存在创建的函数之中；greetingFuncHello(“leo”)，调用时，值为”hello”的msg被保留在了函数体内部，可以反复的使用。这种变量超出了其作用域，还可以使用的情况，即为闭包。Scala通过为每个函数创建对象来实现闭包，实际上对于getGreetingFunc函数创建的函数，msg是作为函数对象的变量存在的，因此每个函数才可以拥有不同的msg。Scala编译器会确保上述闭包机制。
（7）SAM转换
在Java中，不支持直接将函数传入一个方法作为参数，通常来说，唯一的办法就是定义一个实现了某个接口的类的实例对象，该对象只有一个方法；而这些接口都只有单个的抽象方法，也就是single abstract method，简称为SAM。
由于Scala是可以调用Java的代码的，因此当我们调用Java的某个方法时，可能就不得不创建SAM传递给方法，非常麻烦；但是Scala又是支持直接传递函数的。此时就可以使用Scala提供的，在调用Java方法时，使用的功能，SAM转换，即将SAM转换为Scala函数。
要使用SAM转换，需要使用Scala提供的特性，隐式转换。

import javax.swing._
import java.awt.event._

val button = new JButton("Click")
button.addActionListener(new ActionListener {
  override def actionPerformed(event: ActionEvent) {
    println("Click Me!!!")
  }
})
implicit def getActionListener(actionProcessFunc: (ActionEvent) => Unit) = new ActionListener {
  override def actionPerformed(event: ActionEvent) {
    actionProcessFunc(event)
  }
}
button.addActionListener((event: ActionEvent) => println("Click Me!!!"))

（8）Currying函数
Curring函数指的是，将原来接收两个参数的一个函数，转换为两个函数，第一个函数接收原先的第一个参数，然后返回接收原先第二个参数的第二个函数。在函数调用的过程中，就变为了两个函数连续调用的形式。在Spark的源码中，也有体现，所以对()()这种形式的Curring函数，必须掌握！

def sum(a: Int, b: Int) = a + b
sum(1, 1)

def sum2(a: Int) = (b: Int) => a + b
sum2(1)(1)

def sum3(a: Int)(b: Int) = a + b

（9）return
Scala中，不需要使用return来返回函数的值，函数最后一行语句的值，就是函数的返回值。在Scala中，return用于在匿名函数中返回值给包含匿名函数的带名函数，并作为带名函数的返回值。使用return的匿名函数，是必须给出返回类型的，否则无法通过编译。

def greeting(name: String) = {
  def sayHello(name: String):String = {
    return "Hello, " + name
  }
  sayHello(name)
}

3、Scala的集合体系结构

Scala中的集合体系主要包括：Iterable、Seq、Set、Map。其中Iterable是所有集合trait的根trait。这个结构与Java的集合体系非常相似。
Scala中的集合是分成可变和不可变两类集合的，其中可变集合就是说，集合的元素可以动态修改，而不可变集合的元素在初始化之后，就无法修改了。分别对应scala.collection.mutable和scala.collection.immutable两个包。
Seq下包含了Range、ArrayBuffer、List等子trait。其中Range就代表了一个序列，通常可以使用“1 to 10”这种语法来产生一个Range。 ArrayBuffer就类似于Java中的ArrayList。

4、List、LinkedList及Set

（1）List
List代表一个不可变的列表。
List的创建：

val list = List(1, 2, 3, 4)

List有head和tail，head代表List的第一个元素，tail代表第一个元素之后的所有元素，list.head，list.tail。
List有特殊的::操作符，可以用于将head和tail合并成一个List，0 :: list。::这种操作符要清楚，在spark源码中都是有体现的，一定要能够看懂！
如果一个List只有一个元素，那么它的head就是这个元素，它的tail是Nil。
案例：用递归函数来给List中每个元素都加上指定前缀，并打印加上前缀的元素。

def decorator(l: List[Int], prefix: String) {
  if (l != Nil) { 
    println(prefix + l.head)
    decorator(l.tail, prefix)
  }
}

（2）LinkedList
LinkedList代表一个可变的列表，使用elem可以引用其头部，使用next可以引用其尾部。

val l = scala.collection.mutable.LinkedList(1, 2, 3, 4, 5); l.elem; l.next

案例：使用while循环将LinkedList中的每个元素都乘以2。

val list = scala.collection.mutable.LinkedList(1, 2, 3, 4, 5)
var currentList = list
while (currentList != Nil) {
  currentList.elem = currentList.elem * 2
  currentList = currentList.next
}

案例：使用while循环将LinkedList中，从第一个元素开始，每隔一个元素，乘以2。

val list = scala.collection.mutable.LinkedList(1, 2, 3, 4, 5, 6, 7, 8, 9, 10)
var currentList = list
var first = true
while (currentList != Nil && currentList.next != Nil) {
  if (first) { currentList.elem = currentList.elem * 2; first = false }
  currentList  = currentList.next.next
  if (currentList != Nil) currentList.elem = currentList.elem * 2
}

（3）Set
Set代表一个没有重复元素的集合，将重复元素加入Set是没有用的，比如

val s = Set(1, 2, 3); s + 1; s + 4

而且Set是不保证插入顺序的，也就是说，Set中的元素是乱序的

val s = new scala.collection.mutable.HashSet[Int](); s += 1; s += 2; s += 5

LinkedHashSet会用一个链表维护插入顺序

val s = new scala.collection.mutable.LinkedHashSet[Int](); i += 1; s += 2; s += 5

SortedSet会自动根据key来进行排序

val s = scala.collection.mutable.SortedSet("orange", "apple", "banana")

5、集合的函数式编程

Scala的集合类的map、flatMap、reduce、reduceLeft、foreach等这些函数，就是高阶函数，因为可以接收其他函数作为参数。高阶函数的使用，也是Scala与Java最大的一点不同！！！因为Java里面是没有函数式编程的，也肯定没有高阶函数，也肯定无法直接将函数传入一个方法，或者让一个方法返回一个函数。对Scala高阶函数的理解、掌握和使用，可以大大增强你的技术，而且也是Scala最有诱惑力、最有优势的一个功能！！！此外，在Spark源码中，有大量的函数式编程，以及基于集合的高阶函数的使用！！！所以必须掌握，才能看懂spark源码。

map案例实战：为List中每个元素都添加一个前缀：

List("Leo", "Jen", "Peter", "Jack").map("name is " + _)

flatMap案例实战：将List中的多行句子拆分成单词：

List("Hello World", "You Me").flatMap(_.split(" "))

foreach案例实战：打印List中的每个单词：

List("I", "have", "a", "beautiful", "house").foreach(println(_))

zip案例实战：对学生姓名和学生成绩进行关联：

List("Leo", "Jen", "Peter", "Jack").zip(List(100, 90, 75, 83))

6、函数式编程综合案例

案例需求：统计多个文本内的单词总数。
使用scala的io包将文本文件内的数据读取出来，使用List的伴生对象，将多个文件内的内容创建为一个List：

val lines01 = scala.io.Source.fromFile("C://Users//Administrator//Desktop//test01.txt").mkString
val lines02 = scala.io.Source.fromFile("C://Users//Administrator//Desktop//test02.txt").mkString
val lines = List(lines01, lines02)

下面这一行才是我们的案例的核心和重点，因为有多个高阶函数的链式调用，以及大量下划线的使用。但是下面这行代码其实就是Scala编程的精髓所在，就是函数式编程，也是Scala相较于Java等编程语言最大的功能优势所在。而且，spark的源码中大量使用了这种复杂的链式调用的函数式编程。而且，spark本身提供的开发人员使用的编程api的风格，完全沿用了Scala的函数式编程，比如Spark自身的api中就提供了map、flatMap、reduce、foreach，以及更高级的reduceByKey、groupByKey等高阶函数。如果要使用Scala进行spark工程的开发，那么就必须掌握这种复杂的高阶函数的链式调用！！！

lines.flatMap(_.split(" ")).map((_, 1)).map(_._2).reduceLeft(_ + _)