Scala中用类Option来表示某个变量可能为空的情况，它有两个子类，一个是Some，一个是None，如果一个变量A可能为空，可以将这个变量设置为Option[A]，在用的时候进行判断，可以避免出现Null错误。

在实际中一般使用方式如下，假设某个方法可能需要一个参数，可以在当前类中设置一个set方法，用了set，这个参数就有值，那么执行一种情况，如果在调用该方法前，没有调用过set方法，那么这个参数为空执行另一种方法。我们来看一个实例，在spark的KMeans方法中，KMeans类定义了如下一个变量initialModel，它是Option[KMeansModel]类，用来保存载入已存在的模型或者是初始化类中心点的，可以存在也可以为空。在实际情况中，我们可能需要载入之前的KMeansModel实例或者是定义一个初始化的类中心，也可能是直接使用KMeans运行，前者需要先调用setInitialModel方法，后者不需要。那么前者情况下initialModel变量的结果是Some(model)，后者是None，在执行算法的时候，KMeans需要先判断initialModel是否已经存在，若存在则使用之前的中心点，否则随机初始化：

private var initialModel: Option[KMeansModel] = None

def setInitialModel(model: KMeansModel): this.type = {
    require(model.k == k, "mismatched cluster count")
    initialModel = Some(model)
    this
}

//运行的核心算法
private def runAlgorithm(
      data: RDD[VectorWithNorm],
      instr: Option[Instrumentation[NewKMeans]]): KMeansModel = {

    ...     //之前的代码

    /*****初始化类中心点，判断initialModel是Some(kMeansCenters)还是None，如果是前者，则调用kMeansCenters.clusterCenters的方法获取类中心点，否则则需要初始化类中心点，这里的kMeansCenters是随便定义的变量名，这里没有写类型，不重要，Some和initialModel一起就能确定这个变量的类型了。因而，它可以调用clusterCenters变量，它是属于KMeansModel下的变量。****/

    val centers = initialModel是 match {
      case Some(kMeansCenters) =>
        kMeansCenters.clusterCenters.map(new VectorWithNorm(_))
      case None =>
        if (initializationMode == KMeans.RANDOM) {
          initRandom(data)
        } else {
          initKMeansParallel(data)
        }
    }
    val initTimeInSeconds = (System.nanoTime() - initStartTime) / 1e9
    logInfo(f"Initialization with $initializationMode took $initTimeInSeconds%.3f seconds.")

    ...    //之后的代码
}