升级到Spark 2.3.1之后，UNCACHE TABLE和CLEAR CACHE不会清除执行程序内存。对于2.2.0，我们看到在UNCACHE TABLE之后释放了执行程序内存，但是在2.3.1中有所改变。我们想知道是否有任何方法可以强制清理执行程序的内存。
通过Spark UI，尽管在存储中，我们看到已删除缓存表。缓存的数据不可用于查询。但是，在“执行程序”选项卡中，执行程序继续保留RDD，并且不会清除内存。这导致执行程序内存使用量的巨大浪费。当我们称为CACHE TABLE时，我们遇到了以下问题：将缓存的表溢出到磁盘上，而不是回收内存存储。
复制步骤：
缓存表test.test_cache;
UNCACHE TABLE test.test_cache;
==存储显示表未缓存；执行程序显示执行程序的存储内存未更改==
缓存表test.test_cache;
清除缓存；
==存储显示表未缓存；执行程序显示执行程序的存储内存未更改==
使用pyspark df.unpersist（）时的行为类似。