用于数据科学应用的Scala (如RStudio / Spyder / Rodeo)

Question

随着Spark的兴起，Scala作为数据科学应用的首选编程语言，获得了巨大的发展势头。

为了提高数据科学应用程序的工作效率，已经发布了专用IDE

• R(例如RStudio)和
• Python (例如Spyder或Rodeo，见有类似于Python的RStudio吗？)。

Scala也有类似的地方吗？

Answer 1

不幸的是，目前似乎没有任何专用的Scala数据科学IDE。我认为这是你最好的选择：

IntelliJ工作表：

​

这基本上是一个文本编辑器，它有一个输出窗口，可以随时更新。Eclipse有类似的东西，我只是更喜欢IntelliJ。

Pros:

• 在IntelliJ出色的代码完成、错误检查和sbt/maven集成的支持下。
• 您可以在与实际开发系统相同的项目设置中进行原型(如果有)。

Cons:

• 我不知道有任何缓存/选择性评估，所以每次您想要答案时都会对整个工作表进行评估，如果您有一些需要很长时间才能完成的操作，则可能不需要。
• 没有工作区变量窗口或绘图集成。

木星笔记本

​

木星笔记本是iPython笔记本的一个推广，它现在支持数十种口译语言 (新内核一直在添加)。

Pros:

• Scala和火花Scala内核非常容易安装，它们都能够添加maven/sbt依赖项和JAR。
• 笔记本中的细胞可以单独运行(例如，允许您训练一次模型并多次使用它)。
• 单元格支持标记(使用LaTeX!)它可以自己呈现(github示例)，允许您使用笔记本作为报告/演示。
• 笔记本由笔记本服务器支持，因此您可以轻松地使用功能更强大的计算机作为您的笔记本服务器，然后从另一个位置与笔记本进行交互。
• 有些内核具有自动完成功能。
• 看起来有一些情节集成(示例)，但它不是完全抛光。

Cons:

• 并不是所有的内核都是完美的，有些有缺陷或者功能有限。
• 没有工作区变量窗口。
• 你真的需要小心你的细胞的排序，如果不这样做，可能会造成很多混乱。

对于我所做的大多数数据科学的东西，我使用木星，但它远不是完美的。为了让Scala真正成为一种数据科学语言，它确实需要更多的数据科学库(scikit-learn在这里遥遥领先)，它需要一个坚实的绘图库(有几个选项，但我都没有看到它们都使用了惯用Scala，并且能够在没有服务器的情况下运行)。我认为，只要它有了这两个元素，它就会变得更受欢迎，希望有人能做出一个不错的RStudio。

Answer 2

您最好的选择(不像rstudio，但这将是您对scala的最佳选择)是阿帕奇齐柏林

​

​

Answer 3

我建议您查看用于Eclipse的Scala。但我认为，这真的取决于你个人的选择，在哪种情况下，你可以轻松地编写代码。为了按代码测试代码，我仍然会使用jupyter笔记本。