Spark 中的循环分区是如何工作的？

我很难理解 Spark 中的循环分区。考虑以下示例。我将大小为 3 的 Seq 分成 3 个分区：

val df = Seq(0,1,2).toDF().repartition(3)

df.explain

== Physical Plan ==
Exchange RoundRobinPartitioning(3)
+- LocalTableScan [value#42]

现在，如果我检查分区，我会得到：

df
  .rdd
  .mapPartitionsWithIndex{case (i,rows) => Iterator((i,rows.size))}
  .toDF("partition_index","number_of_records")
  .show

+---------------+-----------------+
|partition_index|number_of_records|
+---------------+-----------------+
|              0|                0|
|              1|                2|
|              2|                1|
+---------------+-----------------+

如果我对大小为 8 的 Seq 执行相同操作并将其分成 8 个分区，则会出现更严重的偏差：

(0 to 7).toDF().repartition(8)
  .rdd
  .mapPartitionsWithIndex{case (i,rows) => Iterator((i,rows.size))}
  .toDF("partition_index","number_of_records")
  .show

+---------------+-----------------+
|partition_index|number_of_records|
+---------------+-----------------+
|              0|                0|
|              1|                0|
|              2|                0|
|              3|                0|
|              4|                0|
|              5|                0|
|              6|                4|
|              7|                4|
+---------------+-----------------+

有人可以解释这种行为吗？据我了解循环分区，所有分区显示〜相同的大小。

（检查 Spark 版本 2.1-2.4）

据我所知ShuffleExchangeExec code，Spark 尝试直接从原始分区中对行进行分区（通过mapPartitions）而不给司机带来任何东西。

逻辑是从随机选择的目标分区开始，然后以循环方法将分区分配给行。请注意，为每个源分区选择“起始”分区，并且可能会发生冲突。

最终的分布取决于许多因素：源/目标分区的数量以及数据框中的行数。