[Scala][Spark] 型態抹除（it is eliminated by erasure）

        之前python玩習慣了，在定義function的輸入變項時，不用特別去注意輸入變項是什麼型態，反正不管什麼型態的變項丟進來，python都會去執行程式，直到出現錯誤才會跳出．但是在scala這樣強型態的語言中，程式會在編譯階段就先定義輸入與輸出變項的型態，如果出現型態錯誤就無法繼續編譯．這樣的差異讓我在設計第一個總和的function就撞牆了．


這是python的寫法：

可以看到同一個function，python不管丟進去的值是整數型態（Int），或是浮點數（Double）都可以自動判斷型別計算出結果．但是這件事在scala是無法做的．

def sum(x: Array[Int]) = {
  x.reduce(_ + _)
}

sum(Array(1,2,3,4,5))

sum(Array(1.1,2.1,3.1,4.1,5.1))

        由於在一開始就會指定輸入變項的型態，所以第二個sum會出現下面的編譯錯誤：
Error:(8, 12) type mismatch;
 found   : Double(1.1)
 required: Int
sum(Array(1.1,2.1,3.1,4.1,5.1))
          ^
要改採Match的寫法：

def sum(x: Any):Any = x match{
  case y: Array[Int] => y.reduce(_ + _)
  case y: Array[Double] => y.reduce(_ + _)  
}

sum(Array(1,2,3,4,5))
res0: Any = 15

sum(Array(1.1,2.1,3.1,4.1,5.1))

res1: Any =15.5

但是這樣寫法並不能用在RDD上...

def sumRDD(x: Any):Any = x match{
  case y: RDD[Int] => y.reduce(_ + _)
  case y: RDD[Double] => y.reduce(_ + _)
}

會發生型態錯誤...
warning: non-variable type argument Int in type pattern org.apache.spark.rdd.RDD[Int] is unchecked since it is eliminated by erasure
warning: non-variable type argument Double in type pattern org.apache.spark.rdd.RDD[Double] is unchecked since it is eliminated by erasure
        紅字的地方代表說當東西丟到RDD裡面，不管是Int還是Double，都已經被抹除（erasure）了從外面都已經認不出來那是什麼東西了...（就是個黑箱！）所以也無法靠著match-case來選擇處理輸入物件的方式．

        未來如果要處理這樣的問題（不同輸入型態，但是功能相同），就要回到標準物件導向多型的寫法，在一個物件下面定義不同的方法，每個方法使用相同的命名，但是不同的輸入物件型態來區分．