您可以直接在代码中配置log4j。例如你可以打电话 PropertyConfigurator.configure(properties); e、 g.在mapper/reducer设置方法中。
这是存储在hdfs上的属性的示例：

InputStream is = fs.open(log4jPropertiesPath);
        Properties properties = new Properties();
        properties.load(is);
        PropertyConfigurator.configure(properties);

其中fs是文件系统对象，log4jpropertiespath是hdfs上的路径。
使用此功能，您还可以将日志输出到具有作业id的目录。例如，您可以在调用propertyconfigurator.configure（properties）之前修改我们的属性；

Enumeration propertiesNames = properties.propertyNames();
            while (propertiesNames.hasMoreElements()) {
                String propertyKey = (String) propertiesNames.nextElement();
                String propertyValue = properties.getProperty(propertyKey);

                if (propertyValue.indexOf(JOB_ID_PATTERN) != -1) {
                    properties.setProperty(propertyKey, propertyValue.replace(JOB_ID_PATTERN, context.getJobID().toString()));
                }
            }

在每个作业级别上没有直接的方法重写log4j属性。
MapReduce作业本身不在hadoop中存储日志，而是在本地文件系统中写入日志( ${hadoop.log.dir}/userlogs )数据节点的。有一个单独的过程从Yarn所谓的日志聚合，收集这些日志和组合。
使用 yarn logs --applicationId <appId> 要获取完整日志，请使用unix命令解析和提取所需的日志部分。