Scala确是一门神奇的语言，从语言特性上来说远比Java、Python更加学院派，Martin大大作为一名教授，使得每个Scala新的特性大多会有一篇博士论文作为支持，不像Python，只有一个PEP提案。看来语言的发明者是教授确实好处很多，但是带来的坏处也不言而喻，曲高而和寡，叫好而不叫座。例如扎根Scala里的函数式编程思想，使用val表示不变量还好理解，高阶函数和惰性求值也还好，稍微思考下也能勉强理解能用了，monoid是什么鬼？可应用和可遍历的函子又是啥？相信读者大部分也一脸迷糊了。这就是Scala，用Scala写Java的程序也还好，毕竟Scala兼容Java，允许程序员龟缩在自己的一亩三分地，抱怨着“学不动了”，更甚者，作为一个允许在Jvm上的，静态类型的编译语言，Scala也能让你写出Python的感觉。
不行？你可以试着在文本编辑器写上:
代码语言：javascript复制println("Hello, Scala!")保存为hello.scala，再运行Scala hello.scala，屏幕上出现了Hello, Scala! 吃惊吗？（当然这个得益于Scala强大的类型推导机制和解释器）。
所以说Scala是一门有趣的语言，无论是动态语言还是静态语言，总能找的到你熟悉的角落。
倘若Spark和Kafka不火起来的话，Scala可能也就会和Matlab一样，流行于学术界。但生活是一件很奇妙的事，Spark从伯克利成长起来，这也多亏于MapReduce，Hadoop开创了大数据时代，但是MapReduce作为Hadoop的发家手段被Spark逐渐取代了。在Spark的代码里，充斥着Scala的设计思想，RDD是不变的，于是自然而然引入了map、reduce、fliter等高阶函数，甚至在SparkSQL里，SQL的parser也是使用了Scala的模式匹配，简洁而优雅。Spark源码
于是Scala随着Spark和Kafka的成长，慢慢地也走进了工业界的视野。虽然Spark提供了良好的Python和Java接口，Kafka本身也拥有着自己的二进制协议，开发者不可能只使用接口吧，遇到什么大问题，总得捏着鼻子阅读Spark和Kafka的源码？就这样，Scala伴随着大数据的浪潮也有了人使用和关注。
一旦开始使用Scala，Java的开发者应该会有种很不适用的感觉，例如在Java里变量的初始化必须要指明类型:
代码语言：javascript复制String msg = "Hello, World！"但是Scala觉得这个没啥必要，编译器可以做的事，何必需要开发者呢？开发者唯一需要关注的只是这个变量是可变的还是不变的。
代码语言：javascript复制val msg = "Hello, World!"在Java里，for循环可能要写一大堆，args是一个列表：
代码语言：javascript复制for(i=0;i<args.size();i ){
System.out.println(args.get(i))
}Scala可能就一行代码。
代码语言：javascript复制args.foreach(println)在一定程度上，写过了Scala的代码，再转回Java（即使是Python）大多会有种深深的不适应感，到后来逐渐地被Scala带偏，原来编程语言还可以这么写，Java（Python）设计的这里不好，那里不好。
总的来说，Scala是一门优秀的语言（不代表适合工业界），里面充斥着学术界对编程语言未来的思考，值得花费精力去学习，不仅仅是学习Scala的语法，也要学习隐藏在Scala背后的观念，学习Scala是如何思考编程这门手艺的。
--以此作为《Scala学习》系列的开篇
