一句话介绍
almond.sh 是一个为 Scala 语言提供官方 Jupyter 内核的开源项目，由社区维护并得到部分商业支持，面向数据科学家、Spark 工程师和 Scala 开发者，让他们能在 Jupyter Notebook/Lab 中交互式编写 Scala 代码，并原生集成 Apache Spark 和常见绘图库。它的核心卖点是“免费开源”和“Spark 友好”，适合需要在大数据场景下进行原型验证或教学演示的团队。
业务详解
almond.sh 本身并非一家商业公司，而是源于 Scala 社区的 Jupyter 内核项目，主要维护者包括法国数据平台公司 OVHcloud 的工程师。该项目最早在 2017 年启动，旨在填补 Scala 在 Jupyter 生态中的空白——相比 Python (IPykernel) 和 R (IRkernel)，Scala 长期缺乏官方或主流的内核支持。almond.sh 的出现让 Scala 用户能像用 Python 一样在 Notebook 中逐行执行代码、查看图表，并直接调用 Spark 的 DataFrame API。行业定位上，它属于“开发工具”中的“Jupyter 内核”子类，主要服务数据工程师、机器学习研究人员以及教学场景。由于是开源项目，almond.sh 没有传统意义上的“客户”，但被许多大数据平台（如 Databricks、Cloudera）的二次开发者和独立数据团队采用，尤其在欧洲和北美有一定用户基础。
适合谁用
- 个人 Scala 开发者：如果你想快速测试 Scala 代码片段、调试算法逻辑，almond.sh 比每次编译运行 sbt 项目更轻量。
- 大数据团队：团队日常使用 Spark 进行 ETL 或机器学习建模，almond.sh 能直接在 Notebook 中提交 Spark 任务并可视化结果，无需切换 IDE。
- 教育与培训：Scala 课程或 Spark 认证培训中，almond.sh 可以作为交互式教学工具，学生能实时看到代码输出。
- 不适合：对性能要求极高的生产环境（Notebook 本身不适合做生产调度）；需要完整 IDE 功能（如重构、调试）的开发者；对中文文档和社区支持依赖较高的用户（almond.sh 文档以英文为主）。
关键功能与亮点
- 原生 Spark 集成：内核内置对 Apache Spark 的支持，启动后即可创建 SparkSession，无需额外配置，适合快速做数据探索和模型原型。
- 多版本 Scala 兼容：支持 Scala 2.12、2.13 以及 Scala 3，用户可根据项目需求选择内核版本，灵活性高。
- 绘图库即装即用：预装 Vega-Lite、Plotly 等图形库，能直接在 Notebook 中生成交互式图表，无需手动安装依赖。
- 开源免费：基于 Apache 2.0 许可证，代码托管在 GitHub，任何人都可以自由使用、修改和分发，无任何隐藏费用。
- 轻量级部署：内核本身是单个 JAR 包，通过 coursier 或 Docker 即可快速启动，不依赖复杂环境。
- Jupyter Lab 兼容：完全支持 JupyterLab 界面，用户可享受分栏、文件浏览器、扩展插件等现代 Notebook 体验。
价格分析
almond.sh 本身是开源项目，完全免费，没有任何付费套餐或订阅计划。用户只需为运行环境付费（如自建服务器的硬件成本、云主机费用）。如果使用官方提供的 Docker 镜像，也无需额外授权费。相比商业 Jupyter 内核（如 Anaconda 的 IPython 内核虽然免费但 Scala 支持需额外插件），almond.sh 在价格上具有绝对优势。但需要注意的是，如果团队需要企业级支持（如故障排查、定制开发），目前没有官方渠道，只能依赖社区讨论或自行雇佣相关开发者。对于中国用户而言，零成本试错是一大吸引力，但缺乏发票支持（开源项目无法开票），企业采购可能需要走内部报销流程。
中国用户怎么用
- 网络通畅性：almond.sh 的发布包托管在 GitHub Releases 和 Maven Central（通过 coursier 下载），国内访问 GitHub 和 Maven 仓库可能存在不稳定情况，建议使用国内镜像源（如阿里云 Maven 镜像、清华大学 TUNA 镜像）加速下载。官方 Docker 镜像存储在 Docker Hub，同样建议配置国内镜像加速器。
- 支付方式：开源项目无需支付，所以不涉及支付方式。
- 是否需要科学上网：下载核心 JAR 包和依赖时，如果使用默认源可能需要科学上网；但通过配置国内镜像可以完全避免。日常使用中，Jupyter Notebook 运行在本地或内网服务器，不依赖外部网络。
- 国内同类替代品：目前国内没有专门针对 Scala 的 Jupyter 内核替代品。如果只是需要 Spark 交互环境，可以尝试 Zeppelin Notebook（Apache 项目，原生支持 Scala），但 Zeppelin 更偏重数据管道而非通用 Notebook；或者使用 Databricks 社区版（国内访问需加速，且免费额度有限）。
优缺点对比
优点：
- ✅ 完全开源免费，无任何商业限制
- ✅ 对 Spark 支持极佳，开箱即用，无需手动配置
- ✅ 支持 Scala 2/3 多版本，兼容性好
- ✅ 社区活跃，GitHub 上有 300+ 星标和持续更新
- ✅ 部署简单，通过 coursier 一行命令即可安装
缺点：
- ❌ 无官方中文文档或社区支持，中文资料极少
- ❌ 缺少企业级技术支持，遇到 Bug 只能靠社区或自行排查
- ❌ 不提供发票，企业采购时财务流程可能受阻
- ❌ 性能受限于 JVM 内存，处理大规模数据集时不如原生 Spark shell 高效
- ❌ 不支持实时协作（如 Google Colab 的多人编辑功能）
同类产品对比
- Apache Zeppelin：同样开源免费，原生支持 Scala 和 Spark，但 Zeppelin 是完整的 Notebook 系统（包含解释器组和可视化），而 almond.sh 只是 Jupyter 内核。Zeppelin 更适合数据管道和团队协作，但界面不如 JupyterLab 现代。
- BeakerX：基于 Jupyter 的 Scala 内核，支持 Spark 和图表，但更新频率较低，社区不如 almond.sh 活跃，且对 Scala 3 支持滞后。
- Databricks Notebook：商业产品，提供托管 Spark 环境、协作和调度功能，但需要付费且国内访问延迟高。almond.sh 适合预算有限、希望本地部署的团队，而 Databricks 适合需要云原生大数据平台的企业。
总结建议
推荐场景：个人开发者或小团队在本地或内网环境中进行 Scala/Spark 原型开发、教学演示；已经使用 JupyterLab 作为主要工作台的数据工程师；希望零成本体验 Scala Notebook 的学生或研究者。
不推荐场景：需要企业级 SLA 支持的生产环境；对中文文档和社区依赖强的团队；需要发票进行财务报销的企业项目。
行动建议：almond.sh 完全免费，建议直接通过官方文档（https://almond.sh/docs/install）用 coursier 安装试用，无需任何付费。如果遇到国内下载慢的问题，配置 Maven 镜像源即可。如果团队后续需要商业支持，可以考虑迁移至 Databricks 或自行维护内核分支。