Output e log del job

Quando invii un job Managed Service per Apache Spark, Managed Service per Apache Spark raccoglie automaticamente l'output del job e lo rende disponibile. Ciò significa che puoi esaminare rapidamente l'output del job senza dover mantenere una connessione al cluster durante l'esecuzione dei job o esaminare file di log complicati.

Log di Spark

Esistono due tipi di log Spark: log del driver Spark e log dell'executor Spark. I log del driver Spark contengono l'output del job, mentre i log dell'esecutore Spark contengono l'output dell'eseguibile o del launcher del job, ad esempio un messaggio spark-submit "Submitted application xxx" e possono essere utili per il debug degli errori del job.

Il driver del job Managed Service per Apache Spark, distinto dal driver Spark, è un launcher per molti tipi di job. Quando avvii i job Spark, viene eseguito come wrapper sull'eseguibile spark-submit sottostante, che avvia il driver Spark. Il driver Spark esegue il job sul cluster Managed Service per Apache Spark in modalità Spark client o cluster:

  • Modalità client: il driver Spark esegue il job nel processo spark-submit e i log Spark vengono inviati al driver del job Managed Service per Apache Spark.

  • cluster modalità: il driver Spark esegue il job in un container YARN. I log del driver Spark non sono disponibili per il driver del job Managed Service per Apache Spark.

Panoramica di Managed Service per Apache Spark e delle proprietà dei job Spark

Proprietà Valore Predefinito Descrizione
dataproc:dataproc.logging.stackdriver.job.driver.enable vero o falso falso Deve essere impostato al momento della creazione del cluster. Quando true, l'output del driver del job si trova in Logging, associato alla risorsa job; quando false, l'output del driver del job non si trova in Logging.
Nota: per attivare i log dei driver dei job in Logging sono necessarie anche le seguenti impostazioni delle proprietà del cluster, che vengono impostate per impostazione predefinita quando viene creato un cluster: dataproc:dataproc.logging.stackdriver.enable=true e dataproc:jobs.file-backed-output.enable=true
dataproc:dataproc.logging.stackdriver.job.yarn.container.enable vero o falso falso Deve essere impostato al momento della creazione del cluster. Quando true, i log dei container YARN dei job sono associati alla risorsa job; quando false, i log dei container YARN dei job sono associati alla risorsa cluster.
spark:spark.submit.deployMode client o cluster client Controlla la modalità Spark client o cluster.

Job Spark inviati utilizzando l'API Managed Service per Apache Spark jobs

Le tabelle in questa sezione elencano l'effetto di diverse impostazioni delle proprietà sulla destinazione dell'output del driver di job di Managed Service per Apache Spark quando i job vengono inviati tramite l'API jobs di Managed Service per Apache Spark, che include l'invio di job tramite la consoleGoogle Cloud , gcloud CLI e le librerie client Cloud.

Le proprietà di Managed Service per Apache Spark e Spark elencate possono essere impostate con il flag --properties quando viene creato un cluster e verranno applicate a tutti i job Spark eseguiti sul cluster; le proprietà Spark possono essere impostate anche con il flag --properties (senza il prefisso "spark:") quando un job viene inviato all'API Managed Service per Apache Spark jobs e verranno applicate solo al job.

Output del driver del job Managed Service per Apache Spark

Le tabelle seguenti elencano l'effetto delle diverse impostazioni delle proprietà sulla destinazione dell'output del driver del job di Managed Service per Apache Spark.

dataproc:
dataproc.logging.stackdriver.job.driver.enable		 Output
false (impostazione predefinita)
  • Trasmissione al client
  • In Cloud Storage nella cartella generata da Managed Service per Apache Spark driverOutputResourceUri
  • Non in Logging
true
  • Trasmissione al client
  • In Cloud Storage nella cartella generata da Managed Service per Apache Spark driverOutputResourceUri
  • In Logging: dataproc.job.driver sotto la risorsa job.

Log del driver Spark

Le tabelle seguenti elencano l'effetto delle diverse impostazioni delle proprietà sulla destinazione dei log del driver Spark.

spark:
spark.submit.deployMode		 dataproc:
dataproc.logging.stackdriver.job.driver.enable		 dataproc:
dataproc.logging.stackdriver.job.yarn.container.enable		 Output del driver
client false (impostazione predefinita) vero o falso
  • Trasmissione al client
  • In Cloud Storage nella cartella generata da Managed Service per Apache Spark driverOutputResourceUri
  • Non in Logging
client true vero o falso
  • Trasmissione al client
  • In Cloud Storage nella cartella generata da Managed Service per Apache Spark driverOutputResourceUri
  • In Logging: dataproc.job.driver nella risorsa job
cluster false (impostazione predefinita) falso
  • Non trasmesso in streaming al client
  • Non in Cloud Storage
  • In Logging yarn-userlogs nella risorsa cluster
cluster true true
  • Non trasmesso in streaming al client
  • Non in Cloud Storage
  • In Logging: dataproc.job.yarn.container nella risorsa job

Log esecutore Spark

Le tabelle seguenti elencano l'effetto delle diverse impostazioni delle proprietà sulla destinazione dei log dell'executor Spark.

dataproc:
dataproc.logging.stackdriver.job.yarn.container.enable		 Log esecutore
false (impostazione predefinita) In Logging: yarn-userlogs nella risorsa cluster
true In Logging dataproc.job.yarn.container nella risorsa job

Job Spark inviati senza utilizzare l'API Managed Service per Apache Spark jobs

Questa sezione elenca l'effetto di diverse impostazioni delle proprietà sulla destinazione dei log dei job Spark quando i job vengono inviati senza utilizzare l'API Managed Service for Apache Spark jobs, ad esempio quando un job viene inviato direttamente su un nodo del cluster utilizzando spark-submit o quando si utilizza un notebook Jupyter o Zeppelin. Questi job non hanno ID job o driver Managed Service per Apache Spark.

Log del driver Spark

Le tabelle seguenti elencano l'effetto di diverse impostazioni delle proprietà sulla destinazione dei log del driver Spark per i job non inviati tramite l'API Managed Service per Apache Spark jobs.

spark:
spark.submit.deployMode		 Output del driver
client
  • Trasmissione al client
  • Non in Cloud Storage
  • Non in Logging
cluster
  • Non trasmesso in streaming al client
  • Non in Cloud Storage
  • In Logging yarn-userlogs nella risorsa cluster

Log esecutore Spark

Quando i job Spark non vengono inviati tramite l'API Managed Service per Apache Spark jobs, i log dell'executor si trovano in Logging yarn-userlogs nella risorsa cluster.

Visualizza l'output del job

Puoi accedere all'output del job Managed Service for Apache Spark nella console Google Cloud , in gcloud CLI, in Cloud Storage o in Logging.

Console

Per visualizzare l'output del job, vai alla sezione Job di Managed Service for Apache Spark del tuo progetto, quindi fai clic sull'ID job per visualizzare l'output del job.

Se il job è in esecuzione, l'output viene aggiornato periodicamente con nuovi contenuti.

Comando g-cloud

Quando invii un job con il comando gcloud dataproc jobs submit, l'output del job viene visualizzato nella console. Puoi "ricongiungerti" all'output in un secondo momento, su un altro computer o in una nuova finestra passando l'ID del job al comando gcloud dataproc jobs wait. L'ID job è un GUID, ad esempio 5c1754a5-34f7-4553-b667-8a1199cb9cab. Ecco un esempio.

gcloud dataproc jobs wait 5c1754a5-34f7-4553-b667-8a1199cb9cab \
    --project my-project-id --region my-cluster-region

Waiting for job output...
... INFO gcs.GoogleHadoopFileSystemBase: GHFS version: 1.4.2-hadoop2
... 16:47:45 INFO client.RMProxy: Connecting to ResourceManager at my-test-cluster-m/
...

Cloud Storage

L'output del job viene archiviato in Cloud Storage nel bucket di staging o nel bucket specificato durante la creazione del cluster. Un link all'output del job in Cloud Storage è fornito nel campo Job.driverOutputResourceUri restituito da:

  • una richiesta API jobs.get.
  • un comando gcloud dataproc jobs describe job-id. 
    $ gcloud dataproc jobs describe spark-pi
...
driverOutputResourceUri: gs://dataproc-nnn/jobs/spark-pi/driveroutput
...

Logging

Consulta Log di Managed Service per Apache Spark per informazioni su come visualizzare l'output dei job di Managed Service per Apache Spark in Logging.