EMR，Spark：本地共享缓存的合适位置

ix0qys7i 于 2022-09-20 发布在 Spark

关注(0)|答案(1)|浏览(138)

在我们的Spark应用程序中，我们将本地应用程序缓存存储在/mnt/yarn/app-cache/目录中，该目录在同一EC2示例上的应用程序容器之间共享

之所以选择/mnt/...，是因为它是r5d示例上的FAST NVMe固态硬盘

这种方法在EMR 5.x上运行良好，/mnt/yarn属于yarn用户，应用程序容器从yarn运行，它可以创建目录

在EMR 6.x中，情况发生了变化-容器现在从hadoop用户运行，该用户对/mnt/yarn/没有写入权限

hadoop用户可以在/mnt/中创建目录，但yarn不能，我希望保持兼容性-该应用程序应该能够在EMR 5.x和6.x上成功运行

java.io.tmpdir也不起作用-每个容器的情况都不同

在NVMe SSD(/mnt、/mnt1)上存储缓存的合适位置应该是什么，以便所有容器都可以访问它，并且可以在EMR 5.x和6.x上操作？

1条答案

在EMR群集上，您可以将yarn用户添加到超级用户组；默认情况下，该组称为supergroup。您可以通过检查hdfs-site.xml文件中的dfs.permissions.superusergroup来确认这是否为正确的组。

您还可以尝试修改以下HDFS属性(在上面命名的文件中)：dfs.permissions.enabled或dfs.datanode.data.dir.perm。