如何从 Spark Shell 中删除 derby.log、metastore_db答案

【问题标题】：How to get rid of derby.log, metastore_db from Spark Shell如何从 Spark Shell 中删除 derby.log、metastore_db
【发布时间】：2016-11-17 13:07:47
【问题描述】：

运行spark-shell 时，它会创建一个文件derby.log 和一个文件夹metastore_db。如何配置 spark 将它们放在其他地方？

对于 derby 日志，我尝试了 Getting rid of derby.log 就像 spark-shell --driver-memory 10g --conf "-spark.driver.extraJavaOptions=Dderby.stream.info.file=/dev/null" 一样具有几个不同的属性，但 spark 忽略了它们。

有谁知道如何摆脱这些或为它们指定一个默认目录？

【问题讨论】：

您在问题文本中输入了derby.stream.info.file。您链接到的问题stackoverflow.com/questions/1004327/getting-rid-of-derby-log 说要配置derby.stream.error.file。您实际上尝试了哪一个？

标签： apache-spark derby

【解决方案1】：

对我来说，设置 Spark 属性不起作用，无论是在驱动程序还是执行程序上。所以搜索这个问题，我最终为我的系统设置了属性：

System.setProperty("derby.system.home", "D:\\tmp\\derby")

val spark: SparkSession = SparkSession.builder
    .appName("UT session")
    .master("local[*]")
    .enableHiveSupport
    .getOrCreate

[...]

这终于让我摆脱了那些烦人的东西。

【讨论】：

【解决方案2】：

如果您使用 Jupyter/Jupyterhub/Jupyterlab 或只是在 python 中设置此 conf 参数，请使用以下方法：

from pyspark import SparkConf, SparkContext

conf = (SparkConf()
    .setMaster("local[*]")
    .set('spark.driver.extraJavaOptions','-Dderby.system.home=/tmp/derby')
   )

sc = SparkContext(conf = conf)

【讨论】：

【解决方案3】：

自 Spark 2.0.0 起，hive.metastore.warehouse.dir 的使用已被弃用， see the docs。

正如this answer 所暗示的，metastore_db 目录和在每个工作子目录中创建的derby.log 文件的真正罪魁祸首是derby.system.home 属性默认为.。

因此，可以通过将以下行添加到 spark-defaults.conf 来指定两者的默认位置：

spark.driver.extraJavaOptions -Dderby.system.home=/tmp/derby

/tmp/derby 可以替换为您选择的目录。

【讨论】：

这似乎不再起作用了。使用火花 2.2 :(
我在新安装的 Spark 2.2.1 上进行了测试，它对我有用。也许它与权限有关？
我尝试使用 Spark 2.2.0 使用 spark.config("spark.driver.extraJavaOptions", "-Dderby.system.home=D:\\tmp\\derby")，但没有成功。
您似乎正在尝试在启动 Spark 上下文之后更改配置。但是到那时，这个设置已经太晚了...您需要按照上面的说明更改spark-defaults.conf文件中的Spark默认配置...

【解决方案4】：

对于 spark-shell，要避免使用 metastore_db 目录并避免在代码中执行此操作（因为已经创建了上下文/会话，您不会停止它们并每次使用新配置重新创建它们），您必须在 hive-site.xml 文件中设置它的位置，然后将此文件复制到 spark conf 目录中。
一个示例hive-site.xml 文件，用于在/tmp 中制作metastore_db 的位置（参考我的回答here）：

<configuration>
   <property>
     <name>javax.jdo.option.ConnectionURL</name>
     <value>jdbc:derby:;databaseName=/tmp/metastore_db;create=true</value>
     <description>JDBC connect string for a JDBC metastore</description>
   </property>
   <property>
     <name>javax.jdo.option.ConnectionDriverName</name>
     <value>org.apache.derby.jdbc.EmbeddedDriver</value>
     <description>Driver class name for a JDBC metastore</description>
   </property>
   <property>
      <name>hive.metastore.warehouse.dir</name>
      <value>/tmp/</value>
      <description>location of default database for the warehouse</description>
   </property>
</configuration>

之后你可以像下面这样开始你的spark-shell来摆脱derby.log

$ spark-shell --conf "spark.driver.extraJavaOptions=-Dderby.stream.error.file=/tmp"

【讨论】：

如何在独立模式下完全禁用 derby。很多旧方法（postgres setup + db creation + hive-site.xml 似乎不再适用于 spark 2.2）

【解决方案5】：

在启动 spark shell 之前，尝试将 derby.system.home 设置为某个其他目录作为系统属性。 Derby 将在那里创建新的数据库。该属性的默认值为.

参考：https://db.apache.org/derby/integrate/plugin_help/properties.html

【讨论】：

【解决方案6】：

使用hive.metastore.warehouse.dir 属性。 From docs:

val spark = SparkSession
  .builder()
  .appName("Spark Hive Example")
  .config("spark.sql.warehouse.dir", warehouseLocation)
  .enableHiveSupport()
  .getOrCreate()

对于德比日志：Getting rid of derby.log 可能是答案。一般在你的工作目录中创建derby.properties文件，内容如下：

derby.stream.error.file=/path/to/desired/log/file

【讨论】：

你可以使用derby.properties。