我将通过在centos 7上运行pythonpagerank来测试spark的rdd缓存：

spark-submit --master yarn --deploy-mode cluster /usr/spark/examples/src/main/python/pagerank.py input/testpr.txt 10

如您所见，我正在执行pagerank，因此testpr.txt和10是参数。文件pagerank.py包含以下代码：

spark = SparkSession\
        .builder\
        .appName("PythonPageRank")\
        .getOrCreate()

    lines = spark.read.text(sys.argv[1]).rdd.map(lambda r: r[0])

    links = lines.map(lambda urls: parseNeighbors(urls)).distinct().groupByKey().cache()

    ranks = links.map(lambda url_neighbors: (url_neighbors[0], 1.0))

    for iteration in range(int(sys.argv[2])):
        contribs = links.join(ranks).flatMap(
            lambda url_urls_rank: computeContribs(url_urls_rank[1][0], url_urls_rank[1][1]))
        ranks = contribs.reduceByKey(add).mapValues(lambda rank: rank * 0.85 + 0.15)

    for (link, rank) in ranks.collect():
        print("%s has rank: %s." % (link, rank))

    spark.stop()

如你所见， links = lines.map(lambda urls: parseNeighbors(urls)).distinct().groupByKey().cache() 包含缓存。但是，当我查看SparkUI的存储页面时，我找不到任何关于缓存的内容。
这是pagerank应用程序，它运行良好。

这是应用程序的作业页，操作 collect() 生成作业：

这是应用程序的stage页面，它显示pagerank中包含许多迭代。

下面是应用程序的存储页，其中应该包含缓存的RDD。然而，它什么也没有，似乎 cache() 不起作用。

为什么在存储页面上看不到任何缓存的RDD？为什么 cache() 在pagerank.py工作？希望有人能帮我。