Scala：size 和 length 的区别

在 Scala 中，size 和 length 都可用于获取集合的元素数量，但它们的适用场景和设计意图不同。在 Spark 的 mapValues 示例中使用 size 而非 length，主要与集合类型的底层实现有关：

以一下代码为例，解释

    // 数据转换
    val studentScoresRDD = linesRDD.map { line =>
      val fields = line.split(",")
      (fields(0), fields(2).toDouble)
    }.cache()

    // 任务1：计算总成绩
    val totalScores = studentScoresRDD.reduceByKey(_ + _)
    totalScores.saveAsTextFile(outputPath1)

    // 任务2：计算平均成绩
    val avgScores = studentScoresRDD.groupByKey()
      .mapValues(scores => scores.sum / scores.size)
      .cache()
    avgScores.saveAsTextFile(outputPath2)

1. size vs. length 的核心区别

2. 为什么 scores.size 是正确的？

在 Spark 的 groupByKey 后，scores 的类型是 Iterable[Double]：

• Iterable 是通用接口，不保证元素数量预先可知（如惰性集合、流数据）。
• Iterable 仅定义了 size 方法，未定义 length。

示例验证：

val scores: Iterable[Double] = List(85.0, 90.0)  // 实际类型取决于groupByKey的实现
scores.size    // ✅ 合法（所有Iterable都有size）
// scores.length  // ❌ 编译错误：length不是Iterable的方法

3. 哪些集合用 length？

• 数组（Array）：

  val arr = Array(1, 2, 3)
  arr.length  // ✅ 推荐（O(1)复杂度）
  arr.size    // ✅ 可用（但实际调用的是length）
  

• 列表（List）：

  val list = List(1, 2, 3)
  list.length  // ✅ 推荐（O(1)复杂度）
  list.size    // ✅ 可用（但实际调用的是length）
  

4. 哪些集合用 size？

• Set、Map：

  val set = Set(1, 2, 3)
  set.size    // ✅ 推荐（Set未定义length）
  // set.length  // ❌ 编译错误
  
  val map = Map("a" -> 1, "b" -> 2)
  map.size    // ✅ 正确
  

• 惰性集合（如 Stream）：

  val stream = Stream.from(1).take(3)
  stream.size  // ✅ 计算元素数量（需遍历）
  

5. Spark 中 groupByKey 返回的类型

groupByKey 返回的是 RDD[(K, Iterable[V])]，其中 Iterable 是通用接口，只能用 size。
原因：
Spark 的分布式环境中，数据可能分布在多个节点，集合的具体实现可能是：

• 并行集合：需聚合各分区的元素数量。
• 迭代器：元素数量需动态计算（如从外部数据源流式读取）。

6. 最佳实践建议

1. 优先使用 size：

   • 对于未知类型的集合（如通用接口 Iterable），统一用 size 避免编译错误。

2. 根据集合类型选择：

   • 若明确集合是 Array 或 List，可用 length（性能微优）。
   • 若集合类型不确定（如函数参数为 Iterable），必须用 size。

3. 性能注意事项：

   • 对于某些集合（如 Stream），size 可能需要遍历整个集合（O (n)），需谨慎使用。