BloomFilter mergeInPlace() producing unexpected behavior

The Spark Scala code snippet below reproduces the behavior I’m trying to understand. At a high level, we construct two tuples each containing a DF and a Bloom filter of the id column of the respective DF. Then we filter b such that any rows with IDs that are contained in a row in a are removed, and store the union of this filtered result and a as c.

val a_df = Seq(("b", List("4", "16"))).toDF("id", "data")
val a_bloom_filter = a_df.stat.bloomFilter(col("id"), 2, 0.000001)
val a = (a_df, a_bloom_filter)

println("a")
a_df.show(20, false)

val b_df = Seq(("b", List("4")), ("c", List("4"))).toDF("id", "data")
val b_bloom_filter = b_df.stat.bloomFilter(col("id"), 2, 0.000001)
val b = (b_df, b_bloom_filter)

println("b")
b_df.show(20, false)

val a_bloom_filter_udf = udf((s: String) => !a._2.mightContain(s))
val filtered_b_df = b._1.filter(a_bloom_filter_udf(col("id")))

val c = a._1.union(filtered_b_df)

println("c")
c.show(20, false)

val merged_bloom_filter = a._2.mergeInPlace(b._2)

println("c")
c.show(20, false)

Running this in the Spark REPL produces output I do not understand:

a
+---+-------+
|id |data   |
+---+-------+
|b  |[4, 16]|
+---+-------+

b
+---+-------+
|id |data   |
+---+-------+
|b  |[4, 16]|
+---+-------+

c
+---+-------+
|id |data   |
+---+-------+
|b  |[4, 16]|
|c  |[4]    |
+---+-------+

c
+---+-------+
|id |data   |
+---+-------+
|b  |[4, 16]|
+---+-------+

Specifically, why does c seem to change when we perform the mergeInPlace operation? My expectation is that c would not change between calls to show.

Reading the documentation for mergeInPlace, I see that “The mutations happen to this instance.”, which is a._2, or a‘s Bloom filter in this case.

My current hypothesis is that after the mergeInPlace call, a._2 gets mutated, so a._2 := a._2 OR b._2 , or effectively (b, c) in this example. Then for the second show(), it seems like everything gets re-evaluated, i.e. a._2 = (b, c), so

  • the UDF is re-evaluated with a._2 = (b, c)
  • filtered_b_df is re-evaluated to an empty DF because both of b._1‘s IDs are found in the “new” Bloom filter a._2
  • c is re-evaluated as the union between a._1 and filtered_b_df (an empty DF), so effectively just a._1, which is exactly what we see from the second show()

This belief is seemingly reinforced by the fact that b._2.mergeInPlace(a._2) instead of a._2.mergeInPlace(b._2) produces the expected behavior (i.e. c does not change) because a._2 is not clobbered which triggers some sort of re-evaluation.

New contributor

shintyl is a new contributor to this site. Take care in asking for clarification, commenting, and answering.
Check out our Code of Conduct.

1

Yep. You answered it yourself, even though you find it odd. show() is an Action that (re-) triggers the execution path.

The reevaluation occurs … explanation for val merged_bloom_filter = a._2.mergeInPlace(b._2) is correct. But not for the reversing of this. It is just that the reverse situation i.e. logic for mergeInPlace is not actually used in your code on re-execution, e.g b._2.

So, if seeking confirmation, then it is confirmed. And there is no unexpected behaviour.

Trang chủ Giới thiệu Sinh nhật bé trai Sinh nhật bé gái Tổ chức sự kiện Biểu diễn giải trí Dịch vụ khác Trang trí tiệc cưới Tổ chức khai trương Tư vấn dịch vụ Thư viện ảnh Tin tức - sự kiện Liên hệ Chú hề sinh nhật Trang trí YEAR END PARTY công ty Trang trí tất niên cuối năm Trang trí tất niên xu hướng mới nhất Trang trí sinh nhật bé trai Hải Đăng Trang trí sinh nhật bé Khánh Vân Trang trí sinh nhật Bích Ngân Trang trí sinh nhật bé Thanh Trang Thuê ông già Noel phát quà Biểu diễn xiếc khỉ Xiếc quay đĩa Dịch vụ tổ chức sự kiện 5 sao Thông tin về chúng tôi Dịch vụ sinh nhật bé trai Dịch vụ sinh nhật bé gái Sự kiện trọn gói Các tiết mục giải trí Dịch vụ bổ trợ Tiệc cưới sang trọng Dịch vụ khai trương Tư vấn tổ chức sự kiện Hình ảnh sự kiện Cập nhật tin tức Liên hệ ngay Thuê chú hề chuyên nghiệp Tiệc tất niên cho công ty Trang trí tiệc cuối năm Tiệc tất niên độc đáo Sinh nhật bé Hải Đăng Sinh nhật đáng yêu bé Khánh Vân Sinh nhật sang trọng Bích Ngân Tiệc sinh nhật bé Thanh Trang Dịch vụ ông già Noel Xiếc thú vui nhộn Biểu diễn xiếc quay đĩa Dịch vụ tổ chức tiệc uy tín Khám phá dịch vụ của chúng tôi Tiệc sinh nhật cho bé trai Trang trí tiệc cho bé gái Gói sự kiện chuyên nghiệp Chương trình giải trí hấp dẫn Dịch vụ hỗ trợ sự kiện Trang trí tiệc cưới đẹp Khởi đầu thành công với khai trương Chuyên gia tư vấn sự kiện Xem ảnh các sự kiện đẹp Tin mới về sự kiện Kết nối với đội ngũ chuyên gia Chú hề vui nhộn cho tiệc sinh nhật Ý tưởng tiệc cuối năm Tất niên độc đáo Trang trí tiệc hiện đại Tổ chức sinh nhật cho Hải Đăng Sinh nhật độc quyền Khánh Vân Phong cách tiệc Bích Ngân Trang trí tiệc bé Thanh Trang Thuê dịch vụ ông già Noel chuyên nghiệp Xem xiếc khỉ đặc sắc Xiếc quay đĩa thú vị
Trang chủ Giới thiệu Sinh nhật bé trai Sinh nhật bé gái Tổ chức sự kiện Biểu diễn giải trí Dịch vụ khác Trang trí tiệc cưới Tổ chức khai trương Tư vấn dịch vụ Thư viện ảnh Tin tức - sự kiện Liên hệ Chú hề sinh nhật Trang trí YEAR END PARTY công ty Trang trí tất niên cuối năm Trang trí tất niên xu hướng mới nhất Trang trí sinh nhật bé trai Hải Đăng Trang trí sinh nhật bé Khánh Vân Trang trí sinh nhật Bích Ngân Trang trí sinh nhật bé Thanh Trang Thuê ông già Noel phát quà Biểu diễn xiếc khỉ Xiếc quay đĩa
Thiết kế website Thiết kế website Thiết kế website Cách kháng tài khoản quảng cáo Mua bán Fanpage Facebook Dịch vụ SEO Tổ chức sinh nhật