我正在测量具有不同资源配置的spark作业的运行时间,需要比较每个阶段的运行时间。我只能在作业运行时在ui中看到它们。我在hadoop集群上运行我的作业,并使用yarn作为资源管理器。
有没有办法保持每个阶段的运行时间?有他们的日志吗?
更新:
我阅读了评论中提到的监控文档,并添加了以下几行,但不起作用:
在spark-defaults.conf中:
spark.eventLog.enabled true
spark.eventLog.dir hdfs:///[nameNode]:8020/[PathToSparkEventLogDir]
spark.history.fs.logDirectory
hdfs:///[nameNode]:8020/[PathTosparkLogDirectory]
在spark-env.sh中:
export SPARK_PUBLIC_DNS=[nameNode]
SPARK_HISTORY_OPTS="-Dspark.eventLog.enabled=true"
SPARK_HISTORY_OPTS="$SPARK_HISTORY_OPTS -Dspark.history.fs.logDirectory=$sparkHistoryDir"
SPARK_HISTORY_OPTS="$SPARK_HISTORY_OPTS -Dspark.history.provider=org.apache.spark.deploy.history.FsHistoryProvider"
SPARK_HISTORY_OPTS="$SPARK_HISTORY_OPTS -Dspark.history.fs.cleaner.enabled=true"
SPARK_HISTORY_OPTS="$SPARK_HISTORY_OPTS -Dspark.history.fs.cleaner.interval=7d"
它查找/tmp/spark events/文件夹,当我创建它并启动历史服务器时,它不会显示任何完整或不完整的应用程序。
注意,我也尝试了logdirectory值而没有端口号,但是没有成功。
1条答案
按热度按时间e5njpo681#
我可以运行spark history server,并通过应用以下命令查看已完成和未完成应用程序的历史:
在conf/spark-env.sh中设置公共dns值
在我的java代码中将这些属性添加到sparkconf中:
创建包含以下行的属性文件(spark/conf/history.properties)
启动历史服务器:
注意:属性eventlog.dir和eventlog.dir应该具有保存值。