Apache spark 为什么'；pyspark驱动程序是否将jar文件下载到本地存储？

我正在使用在Kubernetes上部署Spark 2.4.4。然而，我很确定这个问题是关于Spark本身的，而不是关于Kubernetes的部署

在将作业部署到kubernetes集群时，我包括几个文件，包括JAR、pyfiles和一个main。在spark-on-k8s中；这是通过配置文件完成的：

spec:
  mainApplicationFile: "s3a://project-folder/jobs/test/db_read_k8.py"
  deps:
    jars:
      - "s3a://project-folder/jars/mysql-connector-java-8.0.17.jar"
    pyFiles:
      - "s3a://project-folder/pyfiles/pyspark_jdbc.zip"

这相当于

spark-submit \
   --jars s3a://project-folder/jars/mysql-connector-java-8.0.17.jar \ 
   --py-files s3a://project-folder/pyfiles/pyspark_jdbc.zip \
   s3a://project-folder/jobs/test/db_read_k8.py

在spark-on-k8s中，有一个

sparkapplication

kubernetes吊舱管理提交的spark作业，该吊舱spark提交给一个驱动吊舱（然后与工作吊舱交互）。我的问题发生在驾驶舱上。一旦驱动程序接收到

spark submit

命令，它就开始工作，并按预期从AWS S3中提取所需的文件。除此之外，它不会拉取jar文件：

spark-kubernetes-driver 19/11/05 17:01:19 INFO SparkContext: Added JAR s3a://project-folder/jars/mysql-connector-java-8.0.17.jar at s3a://sezzle-spark/jars/mysql-connector-java-8.0.17.jar with timestamp 1572973279830
spark-kubernetes-driver 19/11/05 17:01:19 INFO SparkContext: Added file s3a://project-folder/jobs/test/db_read_k8.py at s3a://sezzle-spark/jobs/test/db_read_k8.py with timestamp 1572973279872
spark-kubernetes-driver 19/11/05 17:01:19 INFO Utils: Fetching s3a://project-folder/jobs/test/db_read_k8.py to /var/data/spark-f54f76a6-8f2b-4bd5-9644-c406aecac2dd/spark-42e3cd23-55c5-4099-a6af-455efb5dc4f2/userFiles-ae47c908-d0f0-4ff5-aee6-4dadc5c9b95f/fetchFileTemp1013256051456720708.tmp
spark-kubernetes-driver 19/11/05 17:01:19 INFO SparkContext: Added file s3a://project-folder/pyfiles/pyspark_jdbc.zip at s3a://sezzle-spark/pyfiles/pyspark_jdbc.zip with timestamp 1572973279962
spark-kubernetes-driver 19/11/05 17:01:20 INFO Utils: Fetching s3a://project-folder/pyfiles/pyspark_jdbc.zip to /var/data/spark-f54f76a6-8f2b-4bd5-9644-c406aecac2dd/spark-42e3cd23-55c5-4099-a6af-455efb5dc4f2/userFiles-ae47c908-d0f0-4ff5-aee6-4dadc5c9b95f/fetchFileTemp6740168219531159007.tmp

所有三个必需的文件都被“添加”，但只有主文件和py文件被“获取”；它只是不能在本地下载。当然，这会使我的应用程序崩溃，因为mysql驱动程序不在类路径中

---

为什么spark不像pyfiles和python main那样将jar文件下载到驱动程序的本地文件系统？

PySpark的依赖关系管理有点不清楚，也没有足够的文档记录

如果您的问题是只添加

.jar

，我建议您使用

--packages…

（spark操作符应该有类似的选项）

希望对你有用