之前做Kaggle上面的广告预测时，由于数据量过大(80多G)，所以这里我就使用了Spark来进行数据的预处理,主要是数据的Join操作。Join操作会产生大量的中间结果，因为实在Windows上面来运行的Spark，它默认是把数据放在了c盘下面，但是，产生的中间数据有100多G，所以c盘根本放不下这些数据。

解决方法

首先，你得确保有一个磁盘可以放下这些数据，然后设置 “spark.local.dir”参数，设置它的位置

sparkConf.set("spark.local.dir","S:\\Data")

运行时间可能会很长。