ApacheSPark是目前最流行的大資料分析框架（之一）。可以為Scala、Python、Java和R語言提供API支援，但本文只討論前兩種語言。因為Java不支援讀寫—評估—輸出這一迴圈，R語言普及度又不高。前兩種中，認為Scala好用的人表示，用Scala編寫ApacheSPark很快。而且Scala作為靜態型別的語音，已經被編譯收錄到了JVM（Java虛擬機器）。作者認為，每一種方法都有其優缺點，最終的選擇應取決於應用程式的型別。

效能

Scala的執行速度通常比Python快10倍左右。（因為JVM技術支援Scala語言的執行。）相比之下，作為動態類語言的Python，速度明顯緩慢。因為在Python中呼叫ApacheSPark庫需要大量的程式碼處理。所以從效能方面講，Scala更適合對有限資料庫的呼叫。

此外，Scala基於JVM技術，又根植於Hadoop框架下的HDFS檔案系統，所以它同Hadoop框架的互動、相容非常好。相比之下，Python於Hadoop框架的互動就及其糟糕了。開發人員甚至得使用第三方外掛才行(如hadopy)。

學習曲線

這兩種語言都是功能性、面向特定物件的語言，它們具有相似的語法構造。與Python相比，Scala可能要複雜一些，因為它的功能更加高階。Python適合於簡單的邏輯處理，而Scala更適合於複雜的工作流。但Python也不是一無是處，因為Python語法簡單，有著更加標準的程式庫。

併發性

Scala有多個標準程式庫，而且支援在大資料生態系統中快速整合資料庫。它可以使用多個併發基元編寫程式碼，而Python不支援併發或多執行緒編寫程式碼。不過，Python支援重量級程式分叉。只不過它一次只能有一個執行緒處於活躍狀態。而且每當編寫新程式碼時，都必須重新啟動其他程式，這無疑會增加記憶體的佔用。

實用性

Python的特點是簡潔、容易上手。而Scala則在框架、庫、隱式、宏等方面有著極大的優勢。這也是Scala在MapReduce框架中有著優秀表現的原因。由於Scala的API採集一致，因此許多Scala資料框架遵循著相似的資料型別。開發人員只需學習它常用的標準程式庫，就可以輕鬆地掌握其他庫。ApacheSPark是用Scala編寫的，因此瞭解Scala也可以幫助您認識並修改ApacheSPark內部的功能。但對於NLP來說，Python則是首選。（因為Scala缺乏用於機器學習或NLP的工具。）此外，Python也是GraphX、GraphFrames和MLLib的不二之選。Python的視覺化庫是對Pyspark的補充。這是ApacheSPark和Scala都沒有的東西。

程式碼恢復與安全

Scala作為靜態類語言，它支援我們查詢編譯時犯的錯誤。而Python是動態類語言。也就是說，在每次更改現有程式碼時，Python語音更容易出錯。因此，用Scala重構程式碼比Python重構更容易。

結語

Python執行速度較慢，但上手容易。Scala是執行最快且上手能力適中的程式語言。透過Scala能幫助你能更加全面的瞭解ApacheSPark，因為ApacheSPark就是用Scala編寫的（但也不是絕對）。要知道，對程式語言的選擇取決於專案的特徵，我們要根據專案的特徵做到靈活變通。Python面向分析，Scala面向工程，但這兩種語言都是構建資料科學應用程式的優秀語言。總的來說，Scala更能充分的利用ApacheSPark的特徵。