SQL Server 2017外部R脚本中setseed()与kmeans()不生效问题求助

我之前也碰到过一模一样的问题——在本地RStudio/控制台里set.seed()能稳稳固定k-means的聚类结果，但放到SSMS的sp_execute_external_script里跑，每次结果都不一样。下面是几个亲测有效的排查和解决方法：

1. 确保set.seed()的位置和作用域 #

首先一定要把set.seed()放在所有随机操作（包括kmeans调用）的最开头，而且脚本里不能有其他重置随机数的代码。比如你的脚本结构应该是这样的：

EXEC sp_execute_external_script 
    @language = N'R',
    @script = N'
        # 第一步就设置随机种子，绝对不能放在数据加载或预处理之后
        set.seed(123)
        
        # 读取输入数据
        data <- InputDataSet
        
        # 执行k-means聚类
        km_result <- kmeans(data[, c("col1", "col2")], centers = 3, nstart = 10)
        
        # 输出聚类结果
        OutputDataSet <- as.data.frame(km_result$cluster)
    ',
    @input_data_1 = N'SELECT col1, col2 FROM your_target_table;'

每次执行这个脚本时，set.seed()会在当前R会话初始化随机数生成器，理论上应该能固定k-means的初始中心。

2. 显式指定k-means的初始中心 #

如果上面的方法没用，更稳妥的方式是手动生成固定的初始中心，彻底绕开随机数环境的差异：

EXEC sp_execute_external_script 
    @language = N'R',
    @script = N'
        set.seed(123)
        data <- InputDataSet
        
        # 基于固定种子生成初始聚类中心（假设要分3类）
        initial_centers <- data[sample(nrow(data), 3), ]
        
        # 把固定的初始中心传给kmeans
        km_result <- kmeans(data[, c("col1", "col2")], centers = initial_centers)
        
        OutputDataSet <- as.data.frame(km_result$cluster)
    ',
    @input_data_1 = N'SELECT col1, col2 FROM your_target_table;'

这种方式下，不管R会话的随机数环境如何，初始中心都是固定的，聚类结果自然能100%复现。

3. 兼容不同R版本的随机数生成器 #

如果你的本地R版本和SQL Server上的R版本不一致（比如本地是R 4.x，SQL Server上是R 3.6），默认的随机数生成算法可能有差异。可以显式指定sample.kind来统一逻辑：

set.seed(123, sample.kind = "Rounding")  # 兼容旧版R的随机数生成逻辑

把这行加到set.seed()后面，确保不同版本的R生成完全相同的随机序列。

4. 调试R会话的随机数状态 #

如果还是不行，可以在脚本里加调试代码，检查随机数种子的实际状态：

EXEC sp_execute_external_script 
    @language = N'R',
    @script = N'
        cat("Set seed前的状态:", get.seed(), "\n")
        set.seed(123)
        cat("Set seed后的状态:", get.seed(), "\n")
        
        # 测试随机数是否固定
        cat("测试随机数:", sample(1:100, 1), "\n")
    '

如果每次运行时，Set seed后的状态和测试随机数都一致，说明set.seed()是生效的，问题可能出在kmeans的其他参数（比如algorithm）；如果不一致，那可能是SQL Server的机器学习服务有特殊配置，需要检查是否启用了并行执行或者自定义的随机数生成策略。

内容的提问来源于stack exchange，提问作者Miška