Scala

Lenguaje funcional/orientado a objetos que corre en la JVM, base histórica de Apache Spark.

CategoríaLenguajes
DificultadAvanzado
Tiempo de aprendizaje8-12 semanas
Official documentation

¿Qué puedes lograr con esta herramienta?

Los resultados prácticos que desbloquea.

  • Escribir jobs de Spark con el rendimiento nativo de la JVM
  • Aprovechar tipado fuerte para pipelines de datos más seguros en producción
  • Integrarse directamente con el ecosistema Hadoop/Kafka

Descripción

Scala combina programación funcional y orientada a objetos sobre la JVM. Es el lenguaje nativo de Apache Spark, por lo que sigue siendo relevante en equipos de ingeniería de datos que operan pipelines de big data a gran escala.

Casos de uso

  • Jobs de Spark de alto rendimiento
  • Sistemas de streaming con Kafka
  • Backends de datos en la JVM
  • Pipelines de ingeniería de datos a gran escala

Instalación

Instalarbash
curl -fL https://github.com/coursier/coursier/releases/latest/download/cs-x86_64-pc-linux.gz | gzip -d > cs
chmod +x cs && ./cs setup

Ejemplo básico

Ejemplo básicoscala
val fares = Seq(12.5, 9.0, 15.75, 22.1)
println(s"Media: ${fares.sum / fares.size}")

Ventajas y limitaciones

Ventajas

  • Rendimiento nativo de la JVM y tipado estático robusto
  • Es el lenguaje 'de casa' de Spark
  • Buena interoperabilidad con librerías Java

Limitaciones

  • Curva de aprendizaje pronunciada
  • Comunidad de ciencia de datos mucho más pequeña que la de Python

Alternativas

Herramientas que resuelven un problema parecido de otra forma.