你有一個大數(shù)據(jù)項目。您了解問題域，您知道要使用什么基礎(chǔ)結(jié)構(gòu)，也許您甚至已經(jīng)決定了處理所有這些數(shù)據(jù)的框架，但是有一個決策迫在眉睫：我應(yīng)該選擇哪種語言？(或者更有針對性：我應(yīng)該用什么語言來迫使我的所有開發(fā)人員和數(shù)據(jù)科學家受苦？)這個問題只能拖這么久。

當然，沒有什么可以阻止您使用(比如XSLT轉(zhuǎn)換)來處理大數(shù)據(jù)(這是一個很好的4月傻瓜對明天的建議，只是為了查看每個人臉上的表情)。但總的來說，現(xiàn)在有三種大數(shù)據(jù)語言可供選擇-R、Python和Scala-加上Java的長期強大的企業(yè)烏龜。你應(yīng)該選擇哪種語言？為什么.或者什么時候？

下面列出每一項，以幫助指導您的決定。

R

r常被稱為“統(tǒng)計學家為統(tǒng)計人員建立的語言”。如果你需要一個深奧的統(tǒng)計模型來計算，你可能會發(fā)現(xiàn)克拉恩-這不是沒有意義的綜合R檔案館網(wǎng)絡(luò)，你知道的為了分析和策劃，你無法戰(zhàn)勝gggplot 2..如果你需要利用你的機器所能提供的更多的能量，你可以使用SparkR綁定來運行R上的星火。

然而，如果你不是一個數(shù)據(jù)科學家，而且以前沒有使用過Matlab，SAS，或者八度音階，那么在R中，它可能需要一些調(diào)整才能產(chǎn)生效果，雖然它對數(shù)據(jù)分析很有用，但是它在更一般的用途上不太好。您可以在R中構(gòu)建一個模型，但是您會考慮將模型轉(zhuǎn)換為Scala或Python以供生產(chǎn)，并且您不太可能使用該語言編寫集群控制系統(tǒng)(如果您使用該語言進行調(diào)試，那么祝您好運)。

Python

如果你的數(shù)據(jù)科學家不做R，他們可能知道Python的內(nèi)外。Python在學術(shù)界已經(jīng)流行了十多年，特別是在自然語言處理(NLP)等領(lǐng)域。因此，如果您有一個需要NLP工作的項目，您將面臨許多令人尷尬的選擇，包括經(jīng)典的NTLK，主題建模根辛，或燃燒的-快速和準確空間..類似地，Python在神經(jīng)網(wǎng)絡(luò)方面的作用遠遠超過了它的重量。西亞諾和TensorFlow然后科學-學習用于機器學習，以及NumPy和熊貓用于數(shù)據(jù)分析。

有Juypter/IPython也是-基于網(wǎng)絡(luò)的筆記本服務(wù)器，它允許你將代碼、情節(jié)，以及幾乎任何東西，以可共享的日志格式混合在一起。這是Python的致命特性之一，盡管這些天來，這個概念被證明是非常有用的，以至于它已經(jīng)擴展到幾乎所有具有讀-評估-打印-循環(huán)(Repl)概念的語言中，包括Scala和R。

Python往往在大數(shù)據(jù)處理框架中得到支持，但同時，它往往不是一流的公民。例如，SPark中的新特性幾乎總是出現(xiàn)在Scala/Java綁定的頂部，在PySPark中提供這些更新可能需要幾個較小的版本(特別是在SPark流/MLLib開發(fā)方面)。

相對于R，Python是一種傳統(tǒng)的面向?qū)ο笳Z言，所以大多數(shù)開發(fā)人員都會很樂意使用它，而第一次接觸R或Scala可能會很嚇人。一個輕微的問題是要求正確的白間距在您的代碼。這將人們分為“這對增強可讀性很好”和我們中的一些人，他們認為在2016年，我們不應(yīng)該為了讓程序運行而與解釋器搏斗，因為一行字符不合適(你可能會猜到我在這個問題上的立場)。

Scala

啊，Scala-在本文中的四種語言中，Scala是一種可以毫不費力地靠在墻上的語言，每個人都很欣賞它的類型系統(tǒng)。運行在jvm上，Scala是功能和面向?qū)ο蟮姆独慕Y(jié)合體，目前它在金融界和需要對大量數(shù)據(jù)進行操作的公司取得了巨大的進步，通常是以大規(guī)模分布式的方式(如twitter和linkedin)。這也是驅(qū)動兩者的語言火花和卡夫卡.

當它在JVM中運行時，它立即可以免費訪問Java生態(tài)系統(tǒng)，但它也有各種各樣的“本地”庫，用于大規(guī)模地處理數(shù)據(jù)(特別是Twitter的代數(shù)鳥和蘇明鳥)。它還包括一個非常方便的用于交互開發(fā)和分析的REPL，如Python和R。

我非常喜歡Scala，如果您說不出的話，因為它包含了許多有用的編程特性，比如模式匹配，并且比標準Java少得多。然而，在Scala中通常有不止一種方法來完成某些事情，而這種語言將此作為一種特性來宣傳。那就太好了！但是考慮到它有一個圖靈全的類型系統(tǒng)和各種各樣的雜亂無章的操作符(‘/：’forfoldLeft和“：”代表foldRight)，很容易打開Scala文件，并認為您正在查看一個特別討厭的Perl。在編寫Scala時需要遵循一組良好的實踐和準則(數(shù)據(jù)庫是合理的).

另一個缺點是：Scala編譯器有點慢，以至于它使經(jīng)典的“編譯！”xkcd帶..盡管如此，它還是有REPL、大數(shù)據(jù)支持和基于Web的筆記本，以木星和齊柏林飛艇的形式存在，所以我原諒它的許多怪癖。

Java

最后，總是有Java-不受人喜愛，孤立無援，由一家公司擁有，這家公司似乎只關(guān)心通過起訴谷歌賺到錢，而且完全不時尚。企業(yè)中只有無人機使用Java！然而，Java可能非常適合您的大數(shù)據(jù)項目?？紤]HadoopMapReduce-Java。HDFS？用Java寫的。甚至Storm、Kafka和SPark也運行在JVM上(在Clojure和Scala中)，這意味著Java是這些項目的頭等公民。還有一些新技術(shù)，比如GoogleCloudDataflow(現(xiàn)在)阿帕奇梁)，直到最近才支持Java。

Java可能不是忍者搖滾明星的首選語言。但是，當他們努力在node.js應(yīng)用程序中整理回調(diào)的巢時，使用Java可以讓您訪問一個大型的分析器、調(diào)試器、監(jiān)視工具、企業(yè)安全和互操作性庫，以及更多的，其中大多數(shù)都經(jīng)過了戰(zhàn)斗測試。在過去的二十年里..(各位，對不起，Java今年21歲了，我們都老了。)

針對Java的主要抱怨是嚴重的冗長和缺乏用于迭代開發(fā)的REPL(出現(xiàn)在R、Python和Scala中)。我已經(jīng)看到了10行基于Scala的星條旗代碼氣球變成了Java中的200行怪物，完成了占據(jù)大部分屏幕的大型類型語句。然而，Java 8中新的lambda支持為糾正這種情況做了很多工作。Java永遠不會像Scala那樣緊湊，但是Java 8確實減少了Java開發(fā)的痛苦。

至于REPL？好吧，你把我弄過去了-不管怎么說，現(xiàn)在。Java 9(明年推出)將包括JShell滿足你所有的REPL需求。

鼓聲，謝謝

大數(shù)據(jù)項目應(yīng)該使用哪種語言？恐怕我要從懦夫那里走出去，堅定地站在“看情況而定”的一邊。如果你用晦澀的統(tǒng)計計算來做大量的數(shù)據(jù)分析，那么如果你在進行NLP或跨GPU的密集神經(jīng)網(wǎng)絡(luò)處理，那么你會瘋狂地不喜歡R，那么Python是一個很好的選擇。對于擁有所有重要操作工具的成熟的生產(chǎn)流解決方案來說，Java或Scala無疑是很好的選擇。

當然，它不一定非得是(或)。例如，使用SPark，您可以使用R或Python對模型和機器學習管道進行靜態(tài)數(shù)據(jù)培訓，然后將該管道序列化到存儲中，在那里可以由ProductionScalaSPark流應(yīng)用程序使用。雖然您不應(yīng)該過火(否則您的團隊很快就會遭受語言疲勞)，但是使用一組能夠發(fā)揮特定優(yōu)勢的異構(gòu)語言可以為大數(shù)據(jù)項目帶來好處。

未來注定是信息的時代，所以掌握一門編程語言還是非常重要的！

學習從來不是一個人的事情，要有個相互監(jiān)督的伙伴，工作需要學習python或者有興趣學習python的伙伴可以私信回復(fù)小編“學習” 獲取資料，一起學習

文章來源：infoword