1.kafka源码阅读之MacBook Pro M1搭建Kafka2.7版本源码运行环境
2.scala manifest和classmanifest的区别
3.Scala基础——常用数据结构
4.Scala中的码阅WrappedArray源码详解
5.idea实用系列4使用Maven构建Scala项目
6.Scala3 浅尝

kafka源码阅读之MacBook Pro M1搭建Kafka2.7版本源码运行环境

       在探索Kafka源码的过程中，决定搭建本地环境进行实际运行，码阅以辅助理解和注释。码阅由于日常开发中常使用Kafka 2.7版本，码阅选择了在MacBook Pro M1笔记本上搭建此版本的码阅源码环境。搭建过程中，码阅模仿叫练 app源码记录了遇到的码阅障碍，方便未来再次搭建时不必从头开始。码阅

       搭建Kafka 2.7源码环境需要准备以下基础环境：

       一、码阅Zulu JDK1.8

       在MacBook Pro M1笔记本上，码阅基本都已安装JDK，码阅版本不同而已。码阅使用的码阅是Zulu JDK1.8版本，通过下载.dmg格式的码阅一键安装，环境自动配置，码阅安装路径通常在 /Library/Java/JavaVirtualMachines。

       二、Scala 2..1

       并未在系统里安装Scala，而是直接利用IDEA。按照Preferences -> Plugins -> Scala安装。选择IDEA的不同Scala JDK版本。

       三、安装Gradle6.6

       通过官网gradle.org/releases/下载Gradle6.6版本。如国内下载速度较慢，可直接从百度网盘下载安装包。安装完成后，解压并放置在目录/Users/helloword/software/gradle-6.6，通过mac终端执行指令配置环境。

       四、阳转点指标源码Zookeeper3.4.6安装

       直接从百度网盘下载zookeeper-3.4.6.tar.gz包，解压后放置在三台机器的/app目录下。在每个目录中创建data子目录，并建立myid文件，按照特定数字填写。在zoo.cfg文件中进行配置并复制至其他机器。

       五、Kafka2.7源码部署

       从官网下载Kafka 2.7源码，或从百度网盘获取。解压至目录/Users/helloword/software/kafka/kafka-2.7.0-src，并通过Gradle构建环境。在mac终端执行指令，生成gradle-wrapper.jar，配置依赖。将源码导入IDEA，加载Gradle构建的项目。

       六、源码运行

       确保源码运行打印日志，需将log4j.properties复制到core的 resources目录，并在build.gradle中添加log4配置。修改config/server.properties配置，包括zookeeper路径和broker的ip。配置server、consumer、producer三个进程，确保Kafka服务、消费者和生产者能够正常工作。

       整个Kafka 2.7版本源码的vue3.0模板源码本地搭建步骤完成。后续计划撰写系列文章总结阅读源码的经验。关注公众号写代码的朱季谦，获取更多分类归纳的博客。

scala manifest和classmanifest的区别

       Manifest是scala2.8引入的一个特质，用于编译器在运行时也能获取泛型类型的信息。在JVM上，泛型参数类型T在运行时是被“擦拭”掉的，编译器把T当作Object来对待，所以T的具体信息是无法得到的；为了使得在运行时得到T的信息，scala需要额外通过Manifest来存储T的信息，并作为参数用在方法的运行时上下文。

       def test[T] (x:T, m:Manifest[T]) { ... }

       æœ‰äº†Manifest[T]这个记录T类型信息的参数m，在运行时就可以根据m来更准确的判断T了。但如果每个方法都这么写，让方法的调用者要额外传入m参数，非常不友好，且对方法的设计是一道伤疤。好在scala中有隐式转换、隐式参数的功能，在这个地方可以用隐式参数来减轻调用者的麻烦。

       èŽ·å–class manifests的两种基本方式:

        1 def classOf[T <: Any](implicit m: scala.reflect.Manifest[T]): Class[T] = m.erasure.asInstanceOf[Class[Tï¼½

        通过implicit m: scala.reflect.Manifest[T]声明一个隐式参数，这样scala编译器能在编译时提供T的类型信息了

        2 def classOf[T <: Any : Manifest] : Class[T] = manifest[T].erasure.asInstanceOf[Class[Tï¼½

        其中 T <: Any : Manifest，拆分成两部分来看

        T <: Any

        T 是Any的子类型（即可以是任意基本类型scala.AnyVal 和引用类型 scala.AnyRef)

        T : Manifest 相当于对classOf 方法currying

        隐式增加参数列表如下：(implicit evidence$1: Manifest[T])，

        通过manifest[T] 方法即可获取Manifest实例

        可见形式1 和形式2实质是一样的。

       åº”用：

        1最常见的是获取类型参数的Class，形如someMethod[Type]

        如akka中源码： def actorOf[T <: Actor : Manifest]: ActorRef = actorOf(manifest[T].erasure.asInstanceOf[Class[_ <: Actorï¼½)

        class Worker extends Actor {

        def receive = {

        case Work(start, nrOfElements) =>

        self reply Result(calculatePiFor(start, nrOfElements)) // perform the work

        }

        }

        就可以如此使用了： val workerActorRef = actorOf[Worker]

        2 编程方式创建范型数组

        def evenElems[T: ClassManifest](xs: Vector[T]): Array[T] = {

        val arr = new Array[T]((xs.length + 1) / 2)

        for (i <- 0 until xs.length by 2)

        arr(i / 2) = xs(i)

        arr

        }

        scala> evenElems(Vector("a","b","c"))

        res: Array[java.lang.String] = Array(a, c)

Scala基础——常用数据结构

       “大家都在这里做什么？”“不做什么。就是等夏天结束。”

       从前到现在，Scala入门指引中我们已经介绍了Scala的基本语法，以及Scala函数进阶中的一些简单函数式编程用法。

       然而，仅仅了解基本语法并不足以掌握一门语言。为了熟练运用Scala，我们还需要深入了解其数据结构。

       因此，本次文章将介绍Scala中常用的数据结构。

       Scala中常用的数据结构包括Array、Tuple、可变和不可变的Seq、Set和Map等。以下是Scala常用数据结构的大致介绍，以及详细继承关系和实现，可参考源码。

       Tuple是可以通过下标取值的固定不变的结构，通常用于函数的多个返回值。Tuple最多可以包含个元素，即Tuple。

       Array是一个固定长度的集合，创建时需要指定元素的泛型集合的长度。与Java中的JSONPlayer播放器源码数组类似，但具有更多的语法糖。支持在原数组的某个位置上更新元素，并在头部或末尾添加一个或多个元素。函数操作的返回值是新的数组，但原数组保持不变。

       ArrayBuffer相对于Array，长度和元素都是可变的。

       Seq是有序队列，不可变的List是Seq的一种实现，其长度和元素都不可变。任何更新操作都会返回一个新的List，而原List保持不变。List是基于链表的实现，数据结构更符合栈的LIFO特性，对于头部元素的插入和删除性能更好。

       Queue是对List的进一步封装，具有FIFO特性。

       不可变的Set是不可重复元素集合，支持集合的交集、并集和差集等运算。可变的Set则允许元素重复。

       不可变的Map是一组Key不重复的键值对，当Key重复时，后面的Key对应的Value会覆盖前面的。可变的Map允许Key重复。

       为了更好地了解Scala数据结构的使用，以下是一个简单的词频统计例子。给定一些句子，极客导航静态源码统计单词出现的频率，并按频率排序输出。

       总结：Scala中常见的集合包括Tuple、Array、Seq、Set和Map等结构，其中Array、Seq、Set、Map都有对应的可变和不可变的结构。Scala对这些常见的数据结构进行了大量封装，方便我们进行数据加工。

Scala中的WrappedArray源码详解

       WrappedArray是Scala中的一个类，用于表示Array[T]。它的设计旨在方便地使用Java数组，并为Scala数组添加额外方法和功能。WrappedArray实现多个特质，如AbstractSeq、IndexedSeq、ArrayLike和CustomParallelizable，使其在多种上下文中与Scala集合类型一样使用。

       WrappedArray的主要用法包括获取数组长度、访问数组元素、使用foreach遍历数组、将WrappedArray转换为Array、使用zipWithIndex获取元素及其索引、使用reduce求和、使用distinct去除重复元素、使用exists判断是否存在满足条件的元素以及使用toArray方法指定类型转换。

       这段代码定义了`WrappedArray`抽象类，用于表示`Array[T]`类型的包装数组。它继承了多个特质以提供序列、索引访问、数组操作和并行操作支持。重要成员包括元素类型标签、数组长度、获取和更新元素的方法、底层数组、克隆对象、构建器创建新集合等。

       这段代码的伴生对象包含辅助方法和具体实现类。它提供了创建空的`WrappedArray`实例、根据给定值创建实例、为隐式转换提供支持以在构建集合时生成`WrappedArray`实例、返回构建器用于构建`IndexedSeq`类型集合等功能。此外，还有针对引用类型和其他基本数据类型的实现类，提供相应的方法和属性。

       通过使用`WrappedArray`伴生对象，可以创建和操作不同类型的包装数组。利用`WrappedArray`类，可以对数组进行封装，并进行序列、数组和并行操作。

idea实用系列4使用Maven构建Scala项目

       借助Maven构建Scala项目可简化整个流程，因为它倾向于使用约定而非繁杂配置。Maven通过分析pom.xml文件，使得开发者能快速理解项目的结构和配置。

       要构建Scala项目，通常采用Scala Maven插件。它作为最流行的Scala项目构建工具，自动从中央仓库下载Scala和其他依赖项，无需额外安装。

       在Linux（如Debian）系统中，利用apt-get命令即可轻松安装Maven。通过下载并解压Maven文件，然后配置到环境变量中，Windows和Red Hat Linux用户也能简便安装Maven。

       为创建Scala项目，Maven提供了一个便于使用的archetype。运行archetype插件时，Maven会下载核心依赖。随后，用户只需提供一些基础信息，如groupId、artifactId和package，就能生成包含Scala和测试框架（JUnit、ScalaTest和Specs2）的初始项目结构。

       项目创建后，会在当前目录下生成一个新文件夹，用于存放项目代码和测试文件。Maven管理依赖，确保项目运行所需的所有库都已正确下载。在编写代码之前，项目目录将包含一个pom.xml文件，明确项目依赖关系和构建目标。

       项目结构包括src（存放源代码）和test（存放测试代码）文件夹，以及一个用于存放构建产物的target文件夹。在src文件夹内，进一步组织代码结构，通常包括主代码和测试代码。构建文件通过mvn package命令生成。

       若需创建包含附加属性的Jar文件，添加Maven Assembly插件能实现这一目标，简化构建过程。

       常用Maven命令，如mvn dependency:copy-dependencies, mvn clean, mvn package等，使得项目管理更加高效。添加依赖项时，根据项目需求在pom.xml中输入相应的Maven坐标。

       其他有关Maven的深入阅读和资源可通过访问其官方文档和相关社区获得，提供全面指导与案例解析。

Scala3 浅尝

       自从Scala3于年5月日正式发布以来，已经更新了多个小版本，预计很快将迎来3.2.0版本。我过去有较多的Scala2./2.使用经验，但最近没有实际项目可用，因此没有机会实际体验Scala3。最近有空闲时间，将一些库迁移到Scala3，记录一些体会。

       在学习新的编程语言时，一个好的IDE支持能极大提高效率。我之前在IDEA中编写Scala2代码。目前IDEA对Scala3的支持还处于可用阶段，但还有不少不足，期待在未来的版本中得到优化。当前IDE水平对Scala3推广仍然存在阻碍，因为IDE的依赖度非常高。

       在迁移过程中，发现大多数Scala2代码可以简单迁移至Scala3，甚至直接复制源代码。官方提供了良好的迁移指南。但在迁移Scala-sql和编写新wsql库时，我选择放弃Scala2兼容语法，以亲身体验Scala3的新风格。虽然Macros迁移较为困难，Scala3的Macros实现与Scala2不兼容，API概念虽相似但API完全不同。我花了大约两个周末完成第一个Macro迁移，随后速度加快，逐渐掌握了窍门，并整理了文档，准备进一步分享。

       调试Macros时，善用IDE的调试器，了解各个数据结构至关重要。在IDEA中开启远程调试，可以将sbt命令执行时的宏代码调试起来。结合Macro和inline是有趣实践，Scala-sql在2.0.X版本中生成的ResultSetMapper存在开销，但在Scala3中尝试结合Macro和inline，实现了“zero-cost”的ResultSetMapper。Java框架往往忽视开销，Scala-sql生成的代码质量更优，享受编译时期静态类型检查带来的好处。

       在开发新接口自动化测试平台时，考虑使用Scala DSL来提供简单易用的用户界面。Scala3的Context Function简化了DSL编写，具体案例完成后将提供演示。此外，Scala3的Null Safe特性尚在实验阶段，我对其非常感兴趣。在Java中，null和NPE是普遍的错误使用模式，Kotlin/Dart等语言拥抱了Null Safe特性。利用这个新特性，发现了一些Scala-sql中没有妥善处理null的问题，当前将其放入scala3-nullsafe分支，待稳定后合并到master分支。