この例ではスカラが型パラメータを推論できないのはなぜですか？

Question

InputとOutputという2つのクラスがあり、それらが互いに接続されているとします。 Outputはあるタイプの値を生成し、Inputがそれらを消費します。

class Input[T] { 
    var output: Option[Output[_ <: T]] = None 
} 
class Output[T] { 
    var input: Option[Input[_ >: T]] = None 
} 

InputとOutputペアは限りInput型パラメータがOutput型パラメータのスーパータイプであると値の同じ種類に動作しない場合、それは大丈夫です。両方のクラスの型パラメータは不変であることに注意してください。実際のバージョンでは、それは共位置および反位置の両方の位置で使用される。

val out = new Output[String] 
val in = new Input[AnyRef] 
connect(out, in) 

：私は以下のように、このメソッドを呼び出した場合、私は型エラーを取得

def connect[T](output: Output[T], input: Input[_ >: T]) = { 
    output.input = Some(input) 
    input.output = Some(output) 
} 

：

は私が Input/ Outputペア間のリンクを設定し他の場所 connect方法を持っていますエラーは次のとおりです。

test.scala:17: error: type mismatch; 
found : Output[String] 
required: Output[AnyRef] 
    connect(out, in) 
     ^

これを解決するには、型パラメータを書いてください（この場合、私はconnect[String]と書いていますが、コンパイラが私のためにこれを理解できるはずだと思います。タイプパラメータが自動的に推測されるように、どのようにしてconnectメソッドを変更できますか？

---

編集：今のところ、私はconnectOutputの方法を作ったので、それは自動的に型パラメータを取得します。これには、埋め込み表記out connect inを使用できるという追加の利点もありますが、デザインはやや厄介です。

私はまだコンパイラがこの動作を示す理由に興味があります。私はそれが型パラメータを推論することができるはずだと思う。これは実際に指定どおりに動作していますか？

Answer 1

あなたは時々あなたが複数のパラメータのリストを使用している場合、より良い結果が得られます：

def connect[T](output: Output[T])(input: Input[_ >: T]) = { 
    output.input = Some(input) 
    input.output = Some(output) 
} 

connect(out)(in) 

を...そして実際、この場合には、それが動作します。

Answer 2

私は全く間違っているかもしれませんが、問題は入力と出力を結びつけるときです： 入力にはTのサブタイプに制限された出力がありますが、出力にはスーパータイプTであり、両方の条件を満たす唯一のタイプはTである。

Input[T] -> Output[ _ <: T ] 
Output[Q] -> Input[ _ >: Q ] 

あなたは出力（_ <とQを置き換える：T）と入力を作成するときに、あなたが得る：

入力[T]として

Input[T]->Input[ _ >: [_ <: T] ] 

同じ - >入力[_ <：T <：_]したがって

型ミスマッチ

Answer 3

実際にはスカラ型のinfereneでは "再帰"を扱うことができません。したがって、引数の型が他の引数との連鎖においてのみ推論できる場合、スカラは推論に失敗します。しかし、異なる引数リストのスカラを使用すると、f(a)(b)(c,d)はタイプリストをリストで推論しますので、それは良く動作します。

PS極端に簡潔ですが、手がかりを得ることができます。