型クラスへの誘い
本章ではImplicitの章で、少しだけ触れた型クラスについて、より深く掘り下げます。
Implicitの章では、Additiveという型クラスを定義することで、任意のコレクション（Additiveが存在するもの）に対して、要素の合計値を計算することができたのでした。本章では、このような仕組みを利用して、色々なアルゴリズムをライブラリ化できることを見ていきます。
まず、sumに続いて、要素の平均値を計算するためのaverageメソッドを作成することを考えます。averageメソッドの素朴な実装は次のようになるでしょう。 1
scala> def average(list: List[Int]): Int = list.foldLeft(0)(_ + _) / list.size
average: (list: List[Int])Int
これを、前章のように Additiveを使ってみます。
scala> trait Additive[A] {
| def plus(a: A, b: A): A
| def zero: A
| }
defined trait Additive
scala> object Additive {
| implicit object IntAdditive extends Additive[Int] {
| def plus(a: Int, b: Int): Int = a + b
| def zero: Int = 0
| }
| implicit object DoubleAdditive extends Additive[Double] {
| def plus(a: Double, b: Double): Double = a + b
| def zero: Double = 0.0
| }
| }
defined object Additive
warning: previously defined trait Additive is not a companion to object Additive.
Companions must be defined together; you may wish to use :paste mode for this.
def average[A](lst: List[A])(implicit m: Additive[A]): A = {
val length = lst.foldLeft(m.zero)((x, _) => m.plus(x, 1))
lst.foldLeft(m.zero)((x, y) => m.plus(x, y)) / length
}
残念ながら、このコードはコンパイルを通りません。何故ならば、 A 型の値を A 型で割ろうとしているのですが、その方法がわからないからです。ここで、Additive をより一般化して、引き算、掛け算、割り算をサポートした型 Num を考えてみます。掛け算のメソッドを multiply 、割り算のメソッドを divide とすると、 Num は次のようになるでしょう。ここで、 Nums は、対話環境でコンパニオンクラス/オブジェクトを扱うために便宜的に作った名前空間であり、通常のScalaプログラムでは必要ありません。
scala> object Nums {
| trait Num[A] {
| def plus(a: A, b: A): A
| def minus(a: A, b: A): A
| def multiply(a: A, b: A): A
| def divide(a: A, b: A): A
| def zero: A
| }
| object Num{
| implicit object IntNum extends Num[Int] {
| def plus(a: Int, b: Int): Int = a + b
| def minus(a: Int, b: Int): Int = a - b
| def multiply(a: Int, b: Int): Int = a * b
| def divide(a: Int, b: Int): Int = a / b
| def zero: Int = 0
| }
| implicit object DoubleNum extends Num[Double] {
| def plus(a: Double, b: Double): Double = a + b
| def minus(a: Double, b: Double): Double = a - b
| def multiply(a: Double, b: Double): Double = a * b
| def divide(a: Double, b: Double): Double = a / b
| def zero: Double = 0.0
| }
| }
| }
defined object Nums
また、 average メソッドは、リストの長さ、つまり整数で割る必要があるので、整数を A 型に変換するための型
FromInt も用意します。 FromInt は次のようになります。 to は Int 型を対象の型に変換するメソッドです。
scala> object FromInts {
| trait FromInt[A] {
| def to(from: Int): A
| }
| object FromInt {
| implicit object FromIntToInt extends FromInt[Int] {
| def to(from: Int): Int = from
| }
| implicit object FromIntToDouble extends FromInt[Double] {
| def to(from: Int): Double = from
| }
| }
| }
defined object FromInts
Num と FromInt を使うと、 average 関数は次のように書くことができます。
scala> import Nums._
import Nums._
scala> import FromInts._
import FromInts._
scala> def average[A](lst: List[A])(implicit a: Num[A], b: FromInt[A]): A = {
| val length = lst.length
| a.divide(lst.foldLeft(a.zero)((x, y) => a.plus(x, y)), b.to(length))
| }
average: [A](lst: List[A])(implicit a: Nums.Num[A], implicit b: FromInts.FromInt[A])A
この average 関数は次のようにして使うことができます。
scala> average(List(1, 3, 5))
res0: Int = 3
scala> average(List(1.5, 2.5, 3.5))
res1: Double = 2.5
このようにして、複数の型クラスを組み合わせることで、より大きな柔軟性を手に入れることができました。ちなみに、上記のコードは、context boundsというシンタックスシュガーを使うことで、次のように書き換えることもできます。
scala> import Nums._
import Nums._
scala> import FromInts._
import FromInts._
scala> def average[A:Num:FromInt](lst: List[A]): A = {
| val a = implicitly[Num[A]]
| val b = implicitly[FromInt[A]]
| val length = lst.length
| a.divide(lst.foldLeft(a.zero)((x, y) => a.plus(x, y)), b.to(length))
| }
average: [A](lst: List[A])(implicit evidence$1: Nums.Num[A], implicit evidence$2: FromInts.FromInt[A])A
implicit parameterの名前 a と b が引数から見えなくなりましたが、 implicitly[Type] とすることで、
Type 型のimplicit paramerterの値を取得することができます。
別のアルゴリズムをライブラリ化した例を、Scalaの標準ライブラリから紹介します。コレクションから最大値を取得する max と最小値を取得する min です。これらは、次のようにして使うことができます。
scala> List(1, 3, 4, 2).max
res2: Int = 4
scala> List(1, 3, 2, 4).min
res3: Int = 1
比較できない要素のリストに対して max 、 min を求めようとするとコンパイルエラーになります。この max
と min も型クラスで実現されています。
max と min のシグネチャは次のようになっています。
def max[B >: A](implicit cmp: Ordering[B]): A
def min[B >: A](implicit cmp: Ordering[B]): A
B >: A の必要性についてはおいておくとして、ポイントは、 Ordering[B] 型のimplicit parameterを要求するところです。 Ordering[B] のimplicitなインスタンスがあれば、 B 型同士の大小関係を比較できるため、最大値と最小値を求めることができます。
さらに、別のアルゴリズムをライブラリ化してみます。リストの中央値を求めるメソッド median を定義することを考えます。中央値は、要素数が奇数の場合、リストをソートした場合のちょうど真ん中の値を、偶数の場合、真ん中の2つの値を足して2で割ったものになります。ここで、中央値の最初のケースには Ordering が、
2番目のケースにはそれに加えて、先程定義した Num と FromInt があれば良さそうです。
この3つを使って、 median メソッドを定義してみます。先程出てきたcontext boundsを使って、シグネチャが見やすいようにしています。
scala> import Nums._
import Nums._
scala> import FromInts._
import FromInts._
scala> def median[A:Num:Ordering:FromInt](lst: List[A]): A = {
| val num = implicitly[Num[A]]
| val ord = implicitly[Ordering[A]]
| val int = implicitly[FromInt[A]]
| val size = lst.size
| require(size > 0)
| val sorted = lst.sorted
| if(size % 2 == 1) {
| sorted(size / 2)
| } else {
| val fst = sorted((size / 2) - 1)
| val snd = sorted((size / 2))
| num.divide(num.plus(fst, snd), int.to(2))
| }
| }
median: [A](lst: List[A])(implicit evidence$1: Nums.Num[A], implicit evidence$2: Ordering[A], implicit evidence$3: FromInts.FromInt[A])A
このメソッドは次のようにして使うことができます。
scala> assert(2 == median(List(1, 3, 2)))
scala> assert(2.5 == median(List(1.5, 2.5, 3.5)))
scala> assert(3 == median(List(1, 3, 4, 5)))
次はより複雑な例を考えてみます。次のように、オブジェクトをシリアライズするメソッド string を定義したいとします。
import Serializers.string
string(List(1, 2, 3)) // [1,2,3]
string(List(List(1),List(2),List(3)) // [[1],[2],[3]]
string(1) // 1
string("Foo") // Foo
class MyClass(val x: Int)
string(new MyClass(1)) // Compile Error!
class MyKlass(val x: Int)
implicit object MyKlassSerializer extends Serializer[MyKlass] {
def serialize(klass: MyKlass): String = s"MyKlass(${klass.x})"
}
string(new MyKlass(1)) // OK
この string メソッドは、
- 整数をシリアライズ可能
- 文字列をシリアライズ可能
- 要素がシリアライズ可能なリストをシリアライズ可能
であり、自分で作成したクラスについては、次のトレイト Serializer を継承して serialize メソッドを実装するオブジェクトをimplicitにすることで、シリアライズ可能にできます。
trait Serializer[A] {
def serialize(obj: A): String
}
これを仮に Serializer 型クラスと呼びます。
この string メソッドのシグニチャをまず考えてみます。このメソッドは
Serializer 型クラスを必要としているので、 Serializer[A] のような
implicit parameterを必要としているはずです。また、引数は A 型の値で、返り値は String なので、結果として次のようになります。
def string[A:Serializer](obj: A): String = ???
次に実装ですが、 Serializer 型クラスを要求しているということは、
Serializer の serialize メソッドを呼びだせばいいだけなので、次のようになります。
scala> object Serializers {
| trait Serializer[A] {
| def serialize(obj: A): String
| }
| def string[A:Serializer](obj: A): String = {
| implicitly[Serializer[A]].serialize(obj)
| }
| }
defined object Serializers
Serializers という object を作っていますが、これをimportすることで：
stringメソッドを使えるSerializer型クラスが公開される
ようになります。
さて、これでシグネチャの部分はできたので実装に入ります。とはいっても、今回の範囲内では、ほとんどオブジェクトを toString するだけのものなのですが…。
implicit object IntSerializer extends Serializer[Int] {
def serialize(obj: Int): String = obj.toString
}
implicit object StringSerializer extends Serializer[Int] {
def serialize(obj: String): String = obj
}
以上は、整数と文字列の Serializer です。単に toString を呼び出しているか、自身を返しているだけなのがわかります。次が少しわかりにくいです。要素がシリアライズ可能なときだけ、リストがシリアライズ可能でなければいけないのですから、単純に以下のようにしてもだめです。
implicit def ListSerializer[A]: Serializer[List[A]] = {
def serialize(obj: List[A]): String = ???
}
この定義では A にどのような操作が可能なのかわからないため、中身を単純に toString するくらいしか実装しようがないですし、また、そのような実装では要素型の Serializer の実装と整合性が取れません。これを解決するには、 ListSerializer がimplicit parameterを取るようにします。
implicit def ListSerializer[A](implicit serializer: Serializer[A]): Serializer[List[A]] = {
def serialize(obj: List[A]): String = {
val serializedList = obj.map{o => serializer.serialize(o)}
serializedList.mkString("[",",","]")
}
}
このように定義したとき、コンパイラは、要素型 A がシリアライズ可能でない場合（あらかじめimplicit def/objectでそう定義されていない場合）コンパイルエラーにしてくれます。つまり、型安全にオブジェクトをシリアライズできるのです。
ここまでで、一通りの実装ができたので、定義を一箇所にまとめて実行結果を確認してみましょう。この節の最初の方の入力例を使って動作確認をします。
scala> object Serializers {
| trait Serializer[A] {
| def serialize(obj: A): String
| }
| def string[A:Serializer](obj: A): String = {
| implicitly[Serializer[A]].serialize(obj)
| }
| implicit object IntSerializer extends Serializer[Int] {
| def serialize(obj: Int): String = obj.toString
| }
| implicit object StringSerializer extends Serializer[String] {
| def serialize(obj: String): String = obj
| }
| implicit def ListSerializer[A](implicit serializer: Serializer[A]): Serializer[List[A]] = new Serializer[List[A]]{
| def serialize(obj: List[A]): String = {
| val serializedList = obj.map{o => serializer.serialize(o)}
| serializedList.mkString("[",",","]")
| }
| }
| }
defined object Serializers
scala> import Serializers._
import Serializers._
scala> string(List(1, 2, 3)) // [1,2,3]
res7: String = [1,2,3]
scala> string(List(List(1),List(2),List(3))) // [[1],[2],[3]]
res8: String = [[1],[2],[3]]
scala> string(1) // 1
res9: String = 1
scala> string("Foo") // Foo
res10: String = Foo
scala> // class MyClass(val x: Int)
| // string(new MyClass(1)) // Compile Error!
| class MyKlass(val x: Int)
defined class MyKlass
scala> implicit object MyKlassSerializer extends Serializer[MyKlass] {
| def serialize(klass: MyKlass): String = s"MyKlass(${klass.x})"
| }
defined object MyKlassSerializer
scala> string(new MyKlass(1)) // OK
res13: String = MyKlass(1)
行コメントに書いた想定通りの動作をしていることがわかります。ここで重要なのは、 MyClass に対しては Serializer を定義していないので、コンパイルエラーになる点です。多くの言語のシリアライズライブラリでは、リフレクションを駆使してシリアライズしようとするため、実行時になって初めてエラーがわかることが多いです。特に、静的型付き言語では、そのような場合、型によって安全を保証できないのはデメリットです。一方、今回用いた手法では、後付けでシリアライズする型を追加でき、かつコンパイル時にその正当性を検査できるのです。
ここまでで紹介したように、型クラス（≒implicit parameter）は、うまく使うと、後付けのデータ型に対して既存のアルゴリズムを型安全に適用するのに使うことができます。この特徴は、特にライブラリ設計のときに重要になってきます。ライブラリ設計時点で定義されていないデータ型に対していかにしてライブラリのアルゴリズムを適用するか、つまり、拡張性が高いように作るかというのは、なかなか難しい問題です。簡潔に書けることを重視すると、拡張性が狭まりがちですし、拡張性が高いように作ると、デフォルトの動作でいいところを毎回書かなくてはいけなくて利用者にとって不便です。型クラスを使ったライブラリを提供することによって、この問題をある程度緩和することができます。皆さんも、型クラスを使って、既存の問題をより簡潔に、拡張性が高く解決できないか考えてみてください。
1. ここで、Listのsizeを計算するのは若干効率が悪いですが、その点については気にしないことにします。 ↩