这个问题解释了spark的随机分割是如何工作的，sparks rdd.randomsplit实际上是如何分割rdd的，但是我不明白spark是如何跟踪哪些值被分配到一个分割中，这样那些相同的值就不会被分配到第二个分割中。
如果我们看看randomsplit的实现：

def randomSplit(weights: Array[Double], seed: Long): Array[DataFrame] = {
 // It is possible that the underlying dataframe doesn't guarantee the ordering of rows in its
 // constituent partitions each time a split is materialized which could result in
 // overlapping splits. To prevent this, we explicitly sort each input partition to make the
 // ordering deterministic.

 val sorted = Sort(logicalPlan.output.map(SortOrder(_, Ascending)), global = false, logicalPlan)
 val sum = weights.sum
 val normalizedCumWeights = weights.map(_ / sum).scanLeft(0.0d)(_ + _)
 normalizedCumWeights.sliding(2).map { x =>
  new DataFrame(sqlContext, Sample(x(0), x(1), withReplacement = false, seed, sorted))
}.toArray
}

我们可以看到，它创建了两个Dataframe，它们共享相同的sqlcontext和两个不同的sample（rs）。
这两个Dataframe如何相互通信，以便第一个Dataframe中的值不包含在第二个Dataframe中？
数据是否被提取了两次(假设sqlcontext是从db中选择的，那么select是否执行了两次？）。