我们学习Scala这门语言的主要原因，就是因为它的函数式编程这个特性。
1.什么是函数式编程
Scala是一门既面向对象，又面向过程的语言。因此在Scala中有非常好的面向对象的特性，可以使用Scala来基于面向对象的思想开发大型复杂的系统和工程；而且Scala也面向过程，因此Scala中有函数的概念。
在Scala中，函数与类、对象一样，都是一等公民，所以说scala的面向过程其实就重在针对函数的编程了，所以称之为函数式编程。
2.函数赋值给变量
Scala中的函数是一等公民，可以独立定义，独立存在，而且可以直接将函数作为值赋值给变量 Scala的语法规定，将函数赋值给变量时，必须在函数后面加上空格和下划线。
来看一个案例：将函数赋值给变量：
scala> def sayHello(name: String) { println("Hello, " + name) }
sayHello: (name: String)Unit
scala> val sayHelloFunc = sayHello _
sayHelloFunc: String => Unit = <function1>
scala> sayHelloFunc("scala")
Hello, scala
3.匿名函数
Scala中的函数也可以不需要命名，这种函数称为匿名函数。
匿名函数的语法格式：(参数名: 参数类型) => 函数体 (参数名: 参数类型) ：是函数的参数列表，可以将匿名函数直接赋值给某个变量。
scala> val sayHelloFunc = (name: String) => println("Hello, " + name)
sayHelloFunc: String => Unit = <function1>
scala> val sayHelloFunc = (name: String) => {println("Hello, " + name)}
sayHelloFunc: String => Unit = <function1>
注意：如果函数体有多行代码，则需要添加{}
4.高阶函数
由于函数是一等公民，所以说我们可以直接将某个函数作为参数传入其它函数,这个概念有点像回调函数。 这个功能是极其强大的，也是Java这种面向对象的编程语言所不具备的，这个功能在实际工作中是经常需要用到的 接收其它函数作为当前函数的参数，当前这个函数也被称作高阶函数 (higher-order function)。
看一个例子： 先定义一个匿名函数，赋值给变量sayHelloFunc。
val sayHelloFunc = (name: String) => println("Hello, " + name)
//再定义一个高阶函数，这个高阶函数的参数会接收一个函数
//参数： (String) => Unit 表示这个函数接收一个字符串，没有返回值
def greeting(func: (String) => Unit, name: String) { func(name) }
//函数调用
scala> greeting(sayHelloFunc, "scala")
Hello, scala
//或者还可以这样用，直接把匿名函数的定义传过来也是可以
scala> greeting((name: String) => println("Hello, " + name),"scala")
Hello, scala
高阶函数可以自动推断出它里面函数的参数类型，对于只有一个参数的函数，还可以省去小括号。
# 先定义一个高阶函数
def greeting(func: (String) => Unit, name: String) { func(name) }
# 使用高阶函数：完整写法
greeting((name: String) => println("Hello, " + name), "scala")
# 使用高阶函数：高阶函数可以自动推断出参数类型，而不需要写明类型
greeting((name) => println("Hello, " + name), "scala")
# 使用高阶函数：对于只有一个参数的函数，还可以省去其小括号
greeting(name => println("Hello, " + name), "scala")
5.常用高阶函数
上面是我们自己实现的高阶函数，其实我们在工作中自己定义高阶函数的场景不多，大部分场景都是去使用已有的高阶函数。
下面我们来看几个常用的高阶函数：
1).map
scala> Array(1, 2, 3, 4, 5).map(num=>{num * 2})
res38: Array[Int] = Array(2, 4, 6, 8, 10)
#可以简写为：
scala> Array(1, 2, 3, 4, 5).map(_ * 2)
res40: Array[Int] = Array(2, 4, 6, 8, 10)
2).flatMap
scala> Array("hello you","hello me").flatMap(line=>line.split(" "))
res53: Array[String] = Array(hello, you, hello, me)
#可以简写为：
scala> Array("hello you","hello me").flatMap(_.split(" "))
res54: Array[String] = Array(hello, you, hello, me)
3).foreach
scala> Array(1, 2, 3, 4, 5).map(_ * 2).foreach(num=>println(num))
2
4
6
8
10
#可以简写为：
scala> Array(1, 2, 3, 4, 5).map(_ * 2).foreach(println(_))
2
4
6
8
10
#还可以再简写为
scala> Array(1, 2, 3, 4, 5).map(_ * 2).foreach(println _)
2
4
6
8
10
4).filter
#过滤出来所有的偶数
scala> Array(1, 2, 3, 4, 5).filter(num=>num % 2 == 0)
res46: Array[Int] = Array(2, 4)
#可以简写为：
scala> Array(1, 2, 3, 4, 5).filter(_ % 2 == 0)
res47: Array[Int] = Array(2, 4)
5).reduceLeft
reduceLeft的使用,表示先对元素1和元素2进行处理，然后将结果与元素3处理，再将结果与元素4处理，依次类推 spark中有一个reduce函数，和这个函数的效果一致。
scala> Array(1, 2, 3, 4, 5).reduceLeft((t1,t2)=>t1+t2)
res50: Int = 15
#这个操作操作就相当于1 + 2 + 3 + 4 + 5
#可以简写为：
scala> Array(1, 2, 3, 4, 5).reduceLeft( _ + _)
res49: Int = 15
注意：这里的两个_代表是两个元素
6.函数式编程案例
统计多个文本内的单词总数。
#a.txt
hello scala , hello hadoop
#b.txt
hello linux , hello java
val lines01 = scala.io.Source.fromFile("D://uploadFiles//a.txt").mkString
val lines02 = scala.io.Source.fromFile("D://uploadFiles//b.txt").mkString
#使用List的伴生对象，将多个文件内的内容创建为一个List
val lines = List(lines01, lines02)
#注意：下面这一行是核心代码，使用了链式调用的函数式编程
lines.flatMap(_.split( " ")).map((_, 1)).map(_._2).reduceLeft(_ + _)
运行结果：
10
代码解释：