Pyspark Correlation.corr failing with UnsupportedOperationException when number of features is greater than 16250

Pyspark pyspark.ml.stat.Correlation.corr failing with UnsupportedOperationException when number of features is greater than 16250. There is no official documentation available specifying the limitations of this library.

Code snippet

`
from pyspark.ml.stat import Correlation
from pyspark.ml.linalg import Vectors
from pyspark.sql.types import StringType, IntegerType, ArrayType, StructField, DoubleType, StructType
from pyspark.ml.linalg import VectorUDT, Vectors, SparseVector, ArrayType, DenseVector

data = spark.createDataFrame([('2020-08-03','10010076305','1','54516',1,
Vectors.sparse(20000,[0,15,4936,14925,19201,19258,19278,19340,19344],[1.0,1.0,1.0,1.0,3.0,1.0,1.0,1.0,1.0]),
Vectors.sparse(4754,[],[]), 8, 2020,
Vectors.sparse(16,[0,15],[1.0,1.0]),
Vectors.sparse(20000,[0,15,4936,14925,19201,19258,19278,19340,19344],[1.0,1.0,1.0,1.0,3.0,1.0,1.0,1.0,1.0]),
Vectors.sparse(20000,[0,15,4936,14925,19201,19258,19278,19340,19344],[3.3795359045759663,2.481239579312057,5.083862109711494,8.865372043017848,0.4381255479573206,17.415537953461378,11.045507632248706,1.2744463238709334,2.1180617031512665]),
Vectors.sparse(20000,[17841,17856],[3.3795359045759663,2.481239579312057])
), ('2020-08-04','10010076306','1','54516',1,
Vectors.sparse(20000,[0,15,4936,14925,19201,19258,19278,19340,19344],[1.0,1.0,1.0,1.0,3.0,1.0,1.0,1.0,1.0]),
Vectors.sparse(4754,[],[]), 8, 2020,
Vectors.sparse(16,[0,15],[1.0,1.0]),
Vectors.sparse(20000,[0,15,4936,14925,19201,19258,19278,19340,19344],[1.0,1.0,1.0,1.0,3.0,1.0,1.0,1.0,1.0]),
Vectors.sparse(20000,[0,15,4936,14925,19201,19258,19278,19340,19344],[3.3795359045759663,2.481239579312057,5.083862109711494,8.865372043017848,0.4381255479573206,17.415537953461378,11.045507632248706,1.2744463238709334,2.1180617031512665]),
Vectors.sparse(20000,[17841,17856],[3.3795359045759663,2.481239579312057])
)],StructType([StructField('pivot_date', StringType(), True), StructField('customer_id', StringType(), True), StructField('marketplace_id', StringType(), True), StructField('customer_hash_key', StringType(), True), StructField('retainSample', IntegerType(), True), StructField('feature_vector_with_lags', VectorUDT(), True), StructField('feature_vector', VectorUDT(), True), StructField('moy_cat', IntegerType(), True), StructField('year_cat', IntegerType(), True), StructField('encoded_categoricals', VectorUDT(), True), StructField('temp_vec_name', VectorUDT(), True), StructField('stdtemp_vec_name_w_zeroes', VectorUDT(), True), StructField('stdtemp_vec_name', VectorUDT(), True)]))

vec_name = 'temp_vec_name'
spark_corr_matrix = Correlation.corr(data, f"std{vec_name}")
`

Exception stacktrace when executing Correlation.corr:

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/usr/lib/spark/python/pyspark/ml/stat.py", line 181, in corr
    return _java2py(sc, javaCorrObj.corr(*args))
  File "/usr/lib/spark/python/lib/py4j-0.10.9.7-src.zip/py4j/java_gateway.py", line 1322, in __call__
  File "/usr/lib/spark/python/pyspark/errors/exceptions/captured.py", line 169, in deco
    return f(*a, **kw)
  File "/usr/lib/spark/python/lib/py4j-0.10.9.7-src.zip/py4j/protocol.py", line 326, in get_return_value
py4j.protocol.Py4JJavaError: An error occurred while calling z:org.apache.spark.ml.stat.Correlation.corr.
: java.lang.UnsupportedOperationException: Cannot convert this array to unsafe format as it's too big.
        at org.apache.spark.sql.catalyst.expressions.UnsafeArrayData.fromPrimitiveArray(UnsafeArrayData.java:426)
        at org.apache.spark.sql.catalyst.expressions.UnsafeArrayData.fromPrimitiveArray(UnsafeArrayData.java:493)
        at org.apache.spark.ml.linalg.MatrixUDT.serialize(MatrixUDT.scala:66)
        at org.apache.spark.ml.linalg.MatrixUDT.serialize(MatrixUDT.scala:28)
        at org.apache.spark.sql.catalyst.CatalystTypeConverters$UDTConverter.toCatalystImpl(CatalystTypeConverters.scala:146)
        at org.apache.spark.sql.catalyst.CatalystTypeConverters$CatalystTypeConverter.toCatalyst(CatalystTypeConverters.scala:106)
        at org.apache.spark.sql.catalyst.CatalystTypeConverters$StructConverter.toCatalystImpl(CatalystTypeConverters.scala:251)
        at org.apache.spark.sql.catalyst.CatalystTypeConverters$StructConverter.toCatalystImpl(CatalystTypeConverters.scala:241)
        at org.apache.spark.sql.catalyst.CatalystTypeConverters$CatalystTypeConverter.toCatalyst(CatalystTypeConverters.scala:106)
        at org.apache.spark.sql.catalyst.CatalystTypeConverters$.$anonfun$createToCatalystConverter$2(CatalystTypeConverters.scala:477)
        at org.apache.spark.sql.catalyst.plans.logical.LocalRelation$.$anonfun$fromExternalRows$1(LocalRelation.scala:38)
        at scala.collection.TraversableLike.$anonfun$map$1(TraversableLike.scala:286)
        at scala.collection.Iterator.foreach(Iterator.scala:943)
        at scala.collection.Iterator.foreach$(Iterator.scala:943)
        at scala.collection.AbstractIterator.foreach(Iterator.scala:1431)
        at scala.collection.IterableLike.foreach(IterableLike.scala:74)
        at scala.collection.IterableLike.foreach$(IterableLike.scala:73)
        at scala.collection.AbstractIterable.foreach(Iterable.scala:56)
        at scala.collection.TraversableLike.map(TraversableLike.scala:286)
        at scala.collection.TraversableLike.map$(TraversableLike.scala:279)
        at scala.collection.AbstractTraversable.map(Traversable.scala:108)
        at org.apache.spark.sql.catalyst.plans.logical.LocalRelation$.fromExternalRows(LocalRelation.scala:38)
        at org.apache.spark.sql.SparkSession.$anonfun$createDataFrame$4(SparkSession.scala:393)
        at org.apache.spark.sql.SparkSession.withActive(SparkSession.scala:827)
        at org.apache.spark.sql.SparkSession.createDataFrame(SparkSession.scala:391)
        at org.apache.spark.ml.stat.Correlation$.corr(Correlation.scala:74)
        at org.apache.spark.ml.stat.Correlation.corr(Correlation.scala)
        at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
        at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:62)        at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)        at java.lang.reflect.Method.invoke(Method.java:498)        at py4j.reflection.MethodInvoker.invoke(MethodInvoker.java:244)
        at py4j.reflection.ReflectionEngine.invoke(ReflectionEngine.java:374)
        at py4j.Gateway.invoke(Gateway.java:282)
        at py4j.commands.AbstractCommand.invokeMethod(AbstractCommand.java:132)
        at py4j.commands.CallCommand.execute(CallCommand.java:79)
        at py4j.ClientServerConnection.waitForCommands(ClientServerConnection.java:182)
        at py4j.ClientServerConnection.run(ClientServerConnection.java:106)
        at java.lang.Thread.run(Thread.java:750)

I tried converting the sparse matrix datatype values to float/int, I reduced the decimal precision of the values as well. but seems like the values will always be double datatype as Vector.sparse seems to maintain it that way (link).

This seems to be a bug in the Correlation.corr library, it does not seem to scale even with larger ec2 instances where we have allocated 1000G driver memory and 1000G executor memory. The dataaframe in the code snippet above contains only 2 rows still the Correlation.corr is unable to scale.

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