spark kmeans 默认使用固定随机种子，导致多次运行结果完全一致；需显式调用 setseed() 并传入动态值（如 system.currenttimemillis()）才能实现真正的随机初始化。
spark kmeans 默认使用固定随机种子，导致多次运行结果完全一致；需显式调用 setseed() 并传入动态值（如 system.currenttimemillis()）才能实现真正的随机初始化。
Apache Spark 的 KMeans 算法在默认配置下会使用一个固定的内部随机种子（通常为 0 或预设常量），这使得即使设置了 setInitMode("random")，聚类初始化、迭代过程及最终模型仍具有确定性——每次运行都产生完全相同的簇划分和评估指标（如 WSSSE）。关键点在于："random" 初始化模式仅表示使用随机采样初始化中心点，但该“随机”行为本身依赖于随机种子；若种子不变，随机序列就不变，结果自然也不变。
要获得真正可变的聚类结果，必须显式设置一个动态种子。推荐做法是使用当前时间戳作为种子源：
// 使用毫秒级时间戳生成动态随机种子
long seed = System.currentTimeMillis();
KMeans kmeans = new KMeans()
.setK(4)
.setInitMode("random")
.setSeed(seed); // ✅ 关键：必须显式设置 seed
KMeansModel model = kmeans.fit(ds);
Dataset<row> predictions = model.transform(ds);</row>
⚠️ 注意事项：
- setSeed() 必须在 fit() 调用前设置，且对同一 KMeans 实例仅生效一次；
- 避免使用静态种子（如 setSeed(123)），否则仍将导致结果重复；
- 若需复现实验结果（如调试或验证），可临时固定种子（如 setSeed(42)），但生产环境或探索性分析中应启用动态种子；
- Spark ML 的 KMeans 还支持 setMaxIter() 和 setTol() 等参数，但它们不影响随机性，仅控制收敛行为。
总结：setInitMode("random") 本身不保证结果随机——它只是初始化策略；真正的随机性由 setSeed() 控制。务必结合动态种子使用，才能让每次训练产生差异化的聚类结果，满足探索性分析或模型鲁棒性评估的需求。
