所謂大資料就是：資料的集合以及對資料集合的操作技術的統稱

具體來說：

1、資料集合：會涉及資料的蒐集、儲存等，蒐集會有很多技術，儲存現在比較經典的是Hadoop，也有很多使用Kafka

2、對資料集合的操作技術：目前全球最火爆的是Spark

Spark框架的實現語言是Scala，首選的應用程式開發語言也是Scala，所以Scala對集合及資料集合的操作就至關重要且必須異常強大。

一個補充說明是：可能是巧合，Spark中對資料集合的操作的運算元與Scala中的集合的操作的運算元時一樣一樣的，也就是說你掌握了Scala中的集合操作，基本上就可以直接去開發Spark程式碼啦，非常的美妙。

關於Scala中資料的建立與操作：

1、最最原始的建立資料的方式是var arr = new Array[Int](5),指定陣列的型別是Int，且指定長度是5個元素

2、對陣列元素訪問的時候下標的範圍從0到length-1，超過length-1會包異常

3、最常用和經典的建立方式是Array[Int](3,6,8,1)，直接通過類名傳入引數的方式建立陣列例項，其背後的實現原理是呼叫Array的工廠方法模式apply來例項化陣列及資料

4、關於Array本身的實現是藉助了JVM平臺上的Java語言的陣列的實現，陣列長度是不可變的

5、如果我們需要使用可變陣列的話，需要匯入scala包下面的ArrayBuffer來完成。

注：如果要增加元素的話，預設會直接追加到Arraybuffer的末尾，效率非常高

6、如果想在已經有的陣列上對每個元素的作用生成的陣列的話，則可以通過yield預發來完成，這在大資料中意義重大

（1）、它是在不修改已有陣列的基礎上生成新的陣列，非常適合於大資料的處理

（2）、在大資料處理中，例如Spark中業務操作的核心思想就類似於yield，通過使用function對每個元素的操作獲得新的元素構成新的集合，其實就是新的RDD，MapPartitionRDD

7、集合的操作往往需要豐富的操作運算元，例如用filter來過濾需要條件的元素，例如map用來加工每一個元素