为什么我从Spark rdd.count（）获得不一致的结果？

Question

代码如下。如果我多次运行它，两个rdd.count（）调用的差异会发生变化。我的印象是rdd.filter（func）不应该影响原来的rdd。

print(rdd.count())
    8105
print(rdd.filter(lambda d: d['label'] == 1).count())
    3528
print(rdd.count())
    8099

所以...，建立下面的评论，这个rdd是用randomSplit（）创建的。 RandomSplit（）是一个惰性变换，可以在每个动作上重新计算，例如：计数（）。 Zero323建议添加一个种子将摆脱我的结果中的不确定性。但是，我添加了一个（并且无法找到任何随机函数的任何其他用途）而没有任何影响，因此问题仍然存在。