REA的Ken Scambler在其演讲《2 Year of Real World FP at REA》中，总结了选择函数式编程的三个原因：Modularity, Abstraction和Composability。
函数式编程强调纯函数（Pure Function），这是模块化的一个重要基础，因为对于纯函数而言，可以不用考虑调用的上下文，就可以根据函数的输入推断函数的执行结果。这也就是Ken所谓的：
You can tell what it does without Looking at surrounding context.
Ken在演讲中给出了一个案例：
def parseLocation(str: String): Location = { val parts = str.split(",") val secondStr = parts(1) val parts2 = secondStr.split(" ") Location(parts(0), parts2(0), parts(1).toInt)}
仔细阅读这段代码，你会发现这段代码是不健壮的，可能存在如下错误：
- 作为input的str可能为null
- parts(0)和parts(1)可能导致索引越界
- parts2(0)可能导致索引越界
- parts(1)未必是整数，调用toInt可能导致类型转换异常
这段代码隐含的错误还可能被广泛地蔓延到系统的其他地方，只要该函数被调用。这种蔓延可能会因为更多嵌套的调用而产生级联的错误效应。例如：
def doSomethingElse(): Unit = { // ...Do other stuff parseLocation("Melbourne, VIC 3000")}
而doSomethingElse()函数又被其他函数调用，这些潜在的缺陷会分布到各个直接或间接的调用点。这意味着代码会继承它所调用代码的错误以及副作用，使得对代码功能的推理（reasoning）变得近乎不可能，更不用说代码的模块化（modularity）了。
我们当然可以通过对null进行检测来避免出现这些错误。然而看看各种出现null值的可能分支，需要我们做各种条件判断，想象这样的代码都让人不寒而栗。引入Option类型就可以很好地封装这种可能性。按照Ken的说法就是：
All possibilities have been elevated into the type system.
def parseLocation(str: String): Option[Location] = { val parts = str.split(",") for { locality <- parts.optGet(0) theRestStr <- parts.optGet(1) theRest = theRestStr.split(" ") subdivision <- theRest.optGet(0) postcodeStr <- theRest.optGet(1) postcode <- postcodeStr.optToInt } yield Location(locality, subdivision, postcode)}
以上代码中，split()函数返回的类型为Array[String]，该类型自身是没有optGet()函数的。但是我们可以为Array[String]定义隐式转换：
implicit class StringArrayWrapper(array: Array[String]) { def optGet(index:Int): Option[String] = { if (array.length > index) Some(array(index)) else None }}
optToInt方法可以如法炮制。
Ken的解决方案并没有考虑到parseLocation函数入参str存在null值的可能，故而在对str调用split方法时仍然有可能导致抛出空指针异常。因此进一步，我们还可以修改parseLocation函数的定义：
def parseLocation(optStr: Option[String]): Option[Location]
显然，通过引入Option，既规避了前面分析可能出现的错误，又能避免编写繁琐的if判断。这里的关键点是Option对两种可能性（None与Some）的封装。它由两个代数类型Some与None构成，前者包含了一个值，而后者则包含了一个不存在的值。事实上，Option是一个Maybe Monad，实现了flatMap与filter，因而在Scala中可以用for comprehension来访问。
