与scala类型推断和类型不变性混淆

我有以下简单的代码

case class Person(name: String, age: Int) 
val sc: SparkContext = ...
val rdd: RDD[Product] = sc.parallelize(List(Person("a", 1), Person("b", 2))) //line 2
val rdd1 = sc.parallelize(List(Person("a", 1), Person("b", 2)))
val rdd2: RDD[Product] = rdd1 //compiling error

RDD[T]是不变性的，因此RDD[Person]不是RDD[Product]的子类型，因此在最后一行中存在编译错误

但我不懂第二行

sc.parallelize(List(Person("a", 1), Person("b", 2)))

它属于RDD[Person]类型，为什么可以分配给RDD[Product]？

取自此处：

所有产品的基本特征，标准库中包括 从scala.Product1到scala.Product22的最小值，因此也是它们的 子类scala.Tuple1到scala.Tuple22。此外，所有情况 类使用合成生成的方法实现产品

我可以运行您的代码：

import org.apache.log4j.{Level, Logger}
import org.apache.spark.rdd.RDD
import org.apache.spark.sql.SparkSession

object SparkSample {

  object SparkSessionConf {
    val LOCAL_MASTER = "local[*]"
  }

  def initializeSpark(master: String, appName: String): SparkSession = {
    Logger.getLogger("org").setLevel(Level.ERROR)

    SparkSession.builder
      .master(master)
      .appName(appName)
      .getOrCreate()
  }

  case class Person(name: String, age: Int)

  def main(args: Array[String]): Unit = {
    val sparkSession = initializeSpark(SparkSessionConf.LOCAL_MASTER, "SparkTry")

    val rdd: RDD[Product] = sparkSession.sparkContext.parallelize(List(Person("ss", 10), Person("ss", 20)))
    val rdd1: RDD[Product] = sparkSession.sparkContext.parallelize(List(Person("ss", 10), Person("ss", 20)))

  }
}

---

是关于不变性的详细描述，并用示例解释了为什么不能将Person类转换为Product trait，尽管我们应该能够这样做似乎很自然。

因为Scala中类型推断的一个非常重要的部分是expected type。这些规则分散开来，但为了解释这一具体情况：

在第2行

sc.parallelize（List（Person（“a”，1），Person（“b”，2））

是用预期的类型

RDD[产品]

键入的，所以

List（Person（“a”，1），Person（“b”，2））

是按预期类型键入的

List[产品]

，因此

Person（“a”，1）

和

Person（“b”，2）

是使用预期类型

Product

键入的，此操作成功，因为

Person

是

Product

的子类型

编译器插入类型参数

 sc.parallelize[Product](List[Product](Person("a", 1), Person("b", 2)))

请注意，

RDD[Person]

甚至从未出现在这个过程中。即

它是RDD类型[人]

---

不正确；它可以是这种类型，但在第2行中不是。

谢谢。您错过了关键点

val rdd2:RDD[Product]=rdd1

//编译错误如果您仔细查看导致编译错误的我所做的工作，您会发现这一点。你也会遇到问题的。我想你没有理解这个问题。它会问，为什么在这种情况下，你似乎可以投。

sc.parallelize(List(Person("a", 1), Person("b", 2)))