1. 为什么Scala的数组值得单独拎出来讲很多人学Scala的时候第一反应是这语言不是有List吗数组这种老古董还有什么好讲的。我一开始也这么想直到在一个数据处理的小项目里因为用List做频繁的随机访问性能直接拉胯被现实狠狠教育了一顿。后来回头认真把Scala的数组体系捋了一遍才发现这里面的门道比想象中多得多——它牵扯到可变与不可变、JVM原生数组的映射、泛型擦除带来的坑、以及和Java互操作时的各种细节。这篇内容就是把我自己踩过的坑和总结出来的经验系统地分享给刚接触Scala的朋友。Scala数组本质上是对JVM原生数组的一层封装它既有面向对象的外衣又保留了底层数组的性能特征。你要搞清楚的核心问题是什么时候该用Array什么时候该用ArrayBuffer什么时候干脆用List或者Vector。这几个选择背后是性能、可变性、类型安全三者的权衡。适合谁看如果你已经会写基本的Scala语法能看懂val和var的区别知道函数式编程大概是怎么回事但一到具体选数据结构就犯迷糊那这篇就是给你准备的。我会从最基础的创建方式讲起一路讲到多维数组、性能对比、以及那些文档里不会写的实操细节。全程用大白话加代码示例保证你能直接上手抄。2. Scala数组的创建方式与底层映射逻辑2.1 三种创建方式的本质区别Scala里创建一个数组至少有三种写法很多人用的时候随手一写但不知道它们背后的差异。第一种最直观的val arr Array(1, 2, 3, 4, 5)这是调用了Array伴生对象的apply方法传入的是可变参数。编译器会把它翻译成Array.apply(1, 2, 3, 4, 5)最终在JVM上就是一个int[]。注意这里有个关键点元素类型会被自动推断因为传入的都是Int字面量所以底层就是原生int[]不是包装类型Integer[]。这个区别在性能敏感的场景下很重要。第二种指定长度但不给初始值val arr new Array[Int](5)这样创建出来的数组所有元素会被初始化为该类型的默认值。Int是0String是nullBoolean是false。这个行为跟Java完全一致因为底层就是JVM数组。第三种用Array.ofDimval arr Array.ofDim[Int](5)这个和第二种效果一样但它的优势在于创建多维数组时更清晰后面讲多维的时候会展开。提示Array(1,2,3)和new Array[Int](3)的区别在于前者是带初始值的后者是带默认值的。别小看这个区别我在一个统计程序里就因为用错了方式导致数组里全是0排查了半天才发现是创建方式的问题。2.2 泛型擦除带来的类型陷阱这是Scala数组最容易踩的坑之一。看这段代码val arr Array(a, b, c) val anyArr: Array[Any] arr // 编译能过吗答案是编译能过但运行时会出问题。为什么因为JVM的数组是协变的String[]可以被当作Object[]使用但Scala的Array[String]在类型系统里并不是Array[Any]的子类型。编译器在某些情况下会允许这种赋值但如果你往anyArr里塞一个非String的值运行时就会抛ArrayStoreException。这个坑的根源是泛型擦除。JVM在运行时不知道Array[String]里的String是什么它只知道这是一个对象数组。所以类型检查被推迟到了运行时。我的建议是永远不要对数组做向上转型的赋值需要多态就用Array[AnyRef]或者干脆用List。2.3 数组与Seq的隐式转换Scala有一个很方便的设计Array可以隐式转换成ArrayOps从而获得大量序列操作方法。比如val arr Array(3, 1, 4, 1, 5) arr.map(_ * 2) // 返回Array(6, 2, 8, 2, 10) arr.filter(_ 2) // 返回Array(3, 4, 5) arr.sorted // 返回Array(1, 1, 3, 4, 5)这些方法看起来像是数组自带的其实是ArrayOps提供的。每次调用这些方法都会创建一个新的数组原数组不变。这一点要特别注意数组本身是可变的但这些操作返回的是新数组。如果你想要原地修改得用Array自己的update方法或者直接下标赋值。arr(0) 100 // 原地修改arr变成Array(100, 1, 4, 1, 5)这个隐式转换的机制是Predef里定义了一个Array到ArrayOps的隐式转换当你调用map、filter这些方法时编译器发现Array本身没有这些方法就会自动套一层ArrayOps。理解这一点你就能明白为什么数组既能用下标访问又能用函数式方法了。3. 可变数组ArrayBuffer什么时候该用它而不是Array3.1 Array的不可变长度是硬伤Array一旦创建长度就固定了。你没法往里面追加元素也没法删除元素。这在很多场景下很不方便比如你要从一个文件里逐行读取数据事先不知道有多少行用Array就很尴尬。这时候ArrayBuffer就派上用场了。它是可变长度的数组底层还是一个数组但会自动扩容。import scala.collection.mutable.ArrayBuffer val buf ArrayBuffer[Int]() buf 1 // 追加一个元素 buf (2, 3, 4) // 追加多个元素 buf Array(5, 6) // 追加一个集合和是ArrayBuffer最常用的两个操作符。追加单个或多个元素追加一个集合。注意可以接受任何TraversableOnce包括Array、List、Set等。3.2 扩容机制与性能考量ArrayBuffer的扩容策略是当容量不够时创建一个更大的数组通常是原来的1.5倍或2倍取决于具体实现把旧元素复制过去。这个复制操作是O(n)的所以如果你知道大概需要多大容量最好提前指定val buf new ArrayBuffer[Int](1000)这样初始容量就是1000避免了频繁扩容。我在处理一个百万级数据的时候一开始没指定容量程序跑了十几秒后来加上初始容量直接降到两秒多。这个优化在数据量大的时候非常明显。3.3 Array和ArrayBuffer的转换两者之间可以互相转换val arr Array(1, 2, 3) val buf arr.toBuffer // Array转ArrayBuffer val arr2 buf.toArray // ArrayBuffer转ArraytoBuffer和toArray都会创建新的对象原对象不受影响。这个转换在需要先动态构建再固定下来的场景下很有用。比如你先用ArrayBuffer收集数据最后转成Array传给一个只接受数组的API。注意toArray需要有一个ClassTag因为要创建具体类型的数组。对于基本类型Scala会自动处理对于自定义类型编译器通常也能推断出来。如果推断不出来你需要显式提供比如buf.toArray[String]。3.4 插入和删除操作ArrayBuffer支持在任意位置插入和删除val buf ArrayBuffer(1, 2, 3, 4, 5) buf.insert(2, 99) // 在下标2处插入99变成(1, 2, 99, 3, 4, 5) buf.remove(0) // 删除下标0的元素变成(2, 99, 3, 4, 5) buf.remove(1, 2) // 从下标1开始删除2个元素变成(2, 4, 5)这些操作都是O(n)的因为需要移动后续元素。如果你频繁在中间插入删除ArrayBuffer并不是好选择应该考虑List或者ListBuffer。ArrayBuffer的优势在于尾部追加和随机访问这两点都是O(1)。4. 多维数组从矩阵运算到实际应用4.1 创建二维数组的几种姿势Scala创建二维数组最标准的方式是Array.ofDimval matrix Array.ofDim[Int](3, 4) // 3行4列的二维数组这会创建一个3x4的数组所有元素初始化为0。访问方式是matrix(i)(j)其中i是行下标j是列下标。另一种方式是数组的数组val matrix Array( Array(1, 2, 3), Array(4, 5, 6), Array(7, 8, 9) )这种方式更直观但要注意每一行的长度可以不同也就是所谓的锯齿数组。如果你需要规则的矩阵用ofDim更合适。4.2 遍历二维数组的正确方式遍历二维数组最自然的是嵌套循环for (i - matrix.indices) { for (j - matrix(i).indices) { print(matrix(i)(j) ) } println() }或者用更函数式的写法for (row - matrix; elem - row) { print(elem ) }但要注意第二种写法不会换行因为它是把所有元素拉平了遍历。如果你需要按行处理还是得用第一种。4.3 矩阵转置的实操案例转置是一个经典的二维数组操作把行和列互换。假设有一个3x4的矩阵转置后变成4x3def transpose(matrix: Array[Array[Int]]): Array[Array[Int]] { val rows matrix.length val cols matrix(0).length val result Array.ofDim[Int](cols, rows) for (i - 0 until rows; j - 0 until cols) { result(j)(i) matrix(i)(j) } result }这个函数里有个细节matrix(0).length假设了所有行长度相同。如果是锯齿数组这个假设不成立需要先取最大列数。我在一个图像处理的小工具里就遇到过这个问题输入的数据不是规则矩阵导致下标越界。后来改成先扫描一遍求最大列数再创建结果数组才稳定下来。4.4 三维及更高维数组Array.ofDim支持任意维度val cube Array.ofDim[Double](10, 10, 10)三维数组在科学计算、图像处理比如RGB通道、游戏开发比如体素地形里很常见。但维度越高内存占用越大访问也越慢。我的经验是超过三维就考虑用一维数组加下标计算来模拟这样内存是连续的缓存友好性能反而更好。val flat new Array[Double](1000) def index(i: Int, j: Int, k: Int) i * 100 j * 10 k这种方式在数值计算库里很常见值得掌握。5. 数组的常用操作与性能对比5.1 遍历、映射、过滤的底层行为数组的遍历有几种方式性能差异不大但代码风格不同val arr Array(1, 2, 3, 4, 5) // 方式一while循环最快 var i 0 while (i arr.length) { println(arr(i)) i 1 } // 方式二for循环编译器会优化成while for (elem - arr) println(elem) // 方式三foreach函数式风格 arr.foreach(println)实测下来while循环确实最快因为它没有额外的函数调用开销。但在Scala里for循环经过编译器优化后性能和while几乎一样。foreach会稍微慢一点因为涉及函数对象的创建和调用。不过在大多数业务场景下这点差异可以忽略。map和filter会创建新数组原数组不变。如果你只是想要副作用比如打印用foreach如果你需要转换结果用map。5.2 排序sorted、sortBy、sortWith数组排序有三个方法val arr Array(3, 1, 4, 1, 5, 9, 2, 6) arr.sorted // 自然排序 arr.sortBy(x -x) // 按自定义规则排序 arr.sortWith((a, b) a b) // 自定义比较器sorted要求元素类型有隐式的Ordering。对于基本类型和StringScala都提供了默认的Ordering。sortBy接受一个函数把元素映射成可比较的值。sortWith接受一个返回Boolean的比较函数。这三个方法都返回新数组原数组不变。底层用的是TimSortJava的Arrays.sort时间复杂度O(n log n)。如果你需要原地排序可以用scala.util.Sortingscala.util.Sorting.quickSort(arr) // 原地排序arr被修改注意quickSort只适用于Array[Int]、Array[Double]等基本类型数组对于对象数组需要用stableSort。5.3 数组与集合的互转数组和List、Vector、Set之间的转换很频繁val arr Array(1, 2, 3) val list arr.toList // Array转List val vector arr.toVector // Array转Vector val set arr.toSet // Array转Set val arr2 list.toArray // List转Array val arr3 vector.toArray // Vector转Array这些转换都会创建新对象。toList和toVector是O(n)的toSet也是O(n)的。如果你只是需要遍历不需要转换直接用数组就好避免不必要的开销。5.4 性能对比表格操作ArrayArrayBufferListVector随机访问O(1)O(1)O(n)O(log n)尾部追加不支持O(1)均摊O(1)O(1)均摊头部插入不支持O(n)O(1)O(log n)中间插入不支持O(n)O(n)O(log n)内存占用最低较低较高较高这张表是我自己在选数据结构时的参考。简单说需要随机访问和性能用Array需要动态增长用ArrayBuffer需要频繁头部操作用List需要平衡各种操作用Vector。6. 那些文档里不会写的踩坑经验6.1 数组的equals是个陷阱这是我最想强调的一点。在Scala里Array的equals方法比较的是引用不是内容val a Array(1, 2, 3) val b Array(1, 2, 3) println(a b) // false这跟List的行为完全不同。List(1,2,3) List(1,2,3)是true但数组是false。为什么因为数组直接继承自Java的数组equals就是Object的equals比较的是引用。要比较数组内容得用sameElements或者deepprintln(a.sameElements(b)) // true println(a.deep b.deep) // true适用于多维数组这个坑我在写单元测试的时候踩过断言两个数组相等结果一直失败查了半天才发现是equals的问题。后来统一用sameElements问题解决。6.2 数组作为参数传递时的可变性数组是可变的所以把它传给一个方法方法内部可以修改它的内容def modify(arr: Array[Int]): Unit { arr(0) 999 } val a Array(1, 2, 3) modify(a) println(a(0)) // 999这个行为跟Java一样。如果你不希望方法修改原数组要么传副本arr.clone()要么用不可变集合。我在一个多人协作的项目里就因为一个方法偷偷修改了传入的数组导致调用方的数据被污染排查了很久。后来团队约定凡是修改数组的方法方法名必须带!或者明确注释比如sortInPlace!。6.3 数组的初始化顺序问题用new Array[Int](n)创建数组时所有元素都是默认值。但如果你用Array.fill可以指定初始值val arr Array.fill(5)(0) // Array(0, 0, 0, 0, 0) val arr2 Array.fill(5)(math.random()) // 5个随机数Array.fill的第二个参数是传名参数每次都会重新求值。所以Array.fill(5)(math.random())会生成5个不同的随机数而不是5个相同的。这个细节很多人不知道我第一次用的时候以为会生成相同的值结果发现每次都不一样还以为是bug。6.4 数组与模式匹配数组可以用在模式匹配里val arr Array(1, 2, 3) arr match { case Array(1, _, _) println(以1开头) case Array(_, 2, _) println(第二个是2) case _ println(其他) }但要注意模式匹配数组时长度必须完全匹配。Array(1, 2, 3)不会匹配Array(1, 2)。如果你需要匹配任意长度可以用Array(1, _*)arr match { case Array(1, _*) println(以1开头后面任意) case _ println(其他) }这个_*语法在提取器和模式匹配里很常用值得记住。6.5 数组的序列化问题数组是可序列化的但如果你把数组放在一个case class里序列化时会有一些细节case class Data(values: Array[Int])这个case class的equals方法会比较数组的引用而不是内容。所以两个Data对象即使数组内容相同也不相等。要解决这个问题要么重写equals要么用List代替数组。我在一个需要缓存的场景里就遇到过这个问题缓存key用了包含数组的case class结果缓存永远命中不了。后来改成List问题解决。7. 从数组出发的进阶学习路径数组是Scala集合体系的起点理解了数组再学其他集合就轻松很多。我的建议是先把Array和ArrayBuffer用熟然后去了解Seq、IndexedSeq这些trait的层次结构最后再深入Vector、List、Set、Map。如果你对性能有要求可以进一步研究scala.collection.parallel虽然在新版本里已经独立出去了或者scala.collection.immutable.ArraySeq。ArraySeq是Scala 2.13引入的它是对数组的不可变封装既有数组的性能又有不可变集合的安全性。我在新项目里已经全面用ArraySeq替代裸数组了既避免了可变性带来的问题又保留了性能优势。另外数组和Java互操作是Scala的一大优势。你可以直接把Scala数组传给Java方法反之亦然。这在调用Java库的时候非常方便。但要注意基本类型数组和包装类型数组的区别Java方法如果接受Integer[]你传Array[Int]是不行的需要先转成Array[Integer]。最后分享一个小技巧如果你需要频繁地创建和销毁小数组考虑用对象池或者复用数组。JVM的垃圾回收对短生命周期的小对象很友好但在高并发场景下减少分配总是好的。我在一个高频交易模拟系统里就用了一个简单的数组池性能提升了大概15%。当然大多数业务场景不需要这么抠但知道这个思路没坏处。
