apache-spark - Spark 临时文件不会被自动删除

Question

我有火花纱线客户端提交作业，当它这样做时，它会在我的“spark.local.dir”下创建一个目录，其中包含如下文件：

__spark_conf__8681611713144350374.zip
__spark_libs__4985837356751625488.zip

有没有办法自动清理这些？每当我提交火花作业时，我都会在同一个文件夹中再次看到这些新条目。这淹没了我的目录，我应该设置什么来自动清除它？

我什至在 SO 上查看了几个在线链接，但找不到解决此问题的方法。我发现的只是一种通过“spark.local.dir”指定目录路径的方法。

标签： apache-sparkhadoop

Answer 1

存在三个 SPARK_WORKER_OPTS 以支持 worker 应用程序文件夹清理，此处复制以供进一步参考：来自 Spark Doc

1. spark.worker.cleanup.enabled，默认值为false，启用worker / application目录的定期清理。请注意，这只影响独立模式，因为 YARN 的工作方式不同。仅清理已停止应用程序的目录。

2. spark.worker.cleanup.interval，默认为 1800，即 30 分钟，控制工作人员清理本地计算机上旧应用程序工作目录的时间间隔，以秒为单位。

3. spark.worker.cleanup.appDataTtl，默认为7*24*3600（7天），每个worker上保留应用工作目录的秒数。这是生存时间，应该取决于您拥有的可用磁盘空间量。应用程序日志和 jar 被下载到每个应用程序工作目录。随着时间的推移，工作目录会迅速填满磁盘空间，尤其是在您非常频繁地运行作业的情况下。