Journaux Managed Service pour Apache Spark

Vous pouvez afficher, rechercher, filtrer et archiver les journaux de tâches et de clusters Managed Service pour Apache Spark dans Cloud Logging.

Niveaux de journalisation des composants

Définissez les niveaux de journalisation de Spark, Hadoop, Flink et d'autres composants Managed Service pour Apache Spark avec des propriétés de cluster log4j spécifiques aux composants, telles que hadoop-log4j, lorsque vous créez un cluster. Les niveaux de journalisation des composants basés sur le cluster s'appliquent aux daemons de service, tels que le ResourceManager YARN, et aux jobs exécutés sur le cluster.

Si les propriétés log4j ne sont pas compatibles avec un composant, tel que le composant Presto, écrivez une action d'initialisation qui modifie le fichier log4j.properties ou log4j2.properties du composant.

Niveaux de journalisation des composants spécifiques aux jobs : vous pouvez également définir des niveaux de journalisation des composants lorsque vous envoyez un job. Ces niveaux de journalisation sont appliqués au job et prévalent sur les niveaux de journalisation définis lors de la création du cluster. Pour en savoir plus, consultez Propriétés du cluster et du job.

Niveaux de journalisation des versions des composants Spark et Hive :

Les composants Spark 3.3.X et Hive 3.X utilisent des propriétés log4j2, tandis que les versions précédentes de ces composants utilisent des propriétés log4j (voir Apache Log4j2). Utilisez un préfixe spark-log4j: pour définir les niveaux de journalisation Spark sur un cluster.

Niveaux de journalisation des pilotes de jobs

Managed Service pour Apache Spark utilise un niveau de journalisation par défaut de INFO pour les programmes de pilotes de job. Vous pouvez modifier ce paramètre pour un ou plusieurs packages avec l'indicateur --driver-log-levels de la commande gcloud dataproc jobs submit.

Exemple :

Définissez le niveau de journalisation DEBUG lorsque vous envoyez un job Spark qui lit des fichiers Cloud Storage.

gcloud dataproc jobs submit spark ...\
    --driver-log-levels org.apache.spark=DEBUG,com.google.cloud.hadoop.gcsio=DEBUG

Exemple :

Définissez le niveau de l'enregistreur root sur WARN et le niveau de l'enregistreur com.example sur INFO.

gcloud dataproc jobs submit hadoop ...\
    --driver-log-levels root=WARN,com.example=INFO

Niveaux de journalisation de l'exécuteur Spark

Pour configurer les niveaux de journalisation de l'exécuteur Spark :

  1. Préparer un fichier de configuration log4j, puis l'importer dans Cloud Storage

  2. Faites référence à votre fichier de configuration lorsque vous envoyez le job.

    Exemple :

    gcloud dataproc jobs submit spark ...\
    --file gs://my-bucket/path/spark-log4j.properties \
    --properties spark.executor.extraJavaOptions=-Dlog4j.configuration=file:spark-log4j.properties

Spark télécharge le fichier de propriétés Cloud Storage dans le répertoire de travail local de la tâche, référencé sous le nom file:<name> dans -Dlog4j.configuration.

Journaux des jobs Managed Service pour Apache Spark dans Logging

Pour savoir comment activer les journaux du pilote de job Managed Service pour Apache Spark dans Logging, consultez Résultats et journaux des jobs Managed Service pour Apache Spark.

Accéder aux journaux de tâches dans Logging

Accédez aux journaux des jobs Managed Service pour Apache Spark à l'aide de l'explorateur de journaux, de la commande gcloud logging ou de l'API Logging.

Console

Les journaux de conteneurs YARN et de pilotes de tâches Managed Service pour Apache Spark sont répertoriés sous la ressource Tâche Cloud Managed Service pour Apache Spark.

Exemple : Journal du pilote de job après l'exécution d'une requête dans l'explorateur de journaux avec les sélections suivantes :

  • Ressource : Cloud Dataproc Job
  • Nom du journal : dataproc.job.driver

Exemple : Journal de conteneur YARN après l'exécution d'une requête de l'explorateur de journaux avec les sélections suivantes :

  • Ressource : Cloud Dataproc Job
  • Nom du journal : dataproc.job.yarn.container

gcloud

Vous pouvez lire les entrées de journal de tâches à l'aide de la commande gcloud logging read. Les arguments de la ressource doivent être placés entre guillemets ("..."). La commande suivante filtre les entrées de journal renvoyées à l'aide de libellés de cluster.

gcloud logging read \
    "resource.type=cloud_dataproc_job \
    resource.labels.region=cluster-region \
    resource.labels.job_id=my-job-id"

Exemple de résultat (partiel) :

jsonPayload:
  class: org.apache.hadoop.hdfs.StateChange
  filename: hadoop-hdfs-namenode-test-dataproc-resize-cluster-20190410-38an-m-0.log
  ,,,
logName: projects/project-id/logs/hadoop-hdfs-namenode
---
jsonPayload:
  class: SecurityLogger.org.apache.hadoop.security.authorize.ServiceAuthorizationManager
  filename: cluster-name-dataproc-resize-cluster-20190410-38an-m-0.log
  ...
logName: projects/google.com:hadoop-cloud-dev/logs/hadoop-hdfs-namenode

API REST

Vous pouvez utiliser l'API REST Logging pour répertorier les entrées de journal (consultez la page sur entries.list).

Journaux des clusters Managed Service pour Apache Spark dans Logging

Managed Service pour Apache Spark exporte les journaux de clusters Apache Hadoop, Spark, Hive et Zookeeper suivants ainsi que d'autres journaux de clusters Managed Service pour Apache Spark vers Cloud Logging.

Type de journal Nom du journal Description Remarques
Journaux de daemons maîtres hadoop-hdfs
hadoop-hdfs-namenode
hadoop-hdfs-secondarynamenode
hadoop-hdfs-zkfc
hadoop-yarn-resourcemanager
hadoop-yarn-timelineserver
hive-metastore
hive-server2
hadoop-mapred-historyserver
zookeeper		 Noeud de journal
Composant NameNode HDFS
Composant NameNode secondaire HDFS
Contrôleur de basculement Zookeeper
Gestionnaire de ressources YARN
YARN Timeline Server
Magasin de métadonnées Hive
Hive Server 2
Serveur d'historique de tâches MapReduce
Serveur Zookeeper
Journaux de daemons de calcul hadoop-hdfs-datanode
hadoop-yarn-nodemanager
 Composant DataNode HDFS
Gestionnaire des nœuds YARN
Journaux système autoscaler
google.dataproc.agent
google.dataproc.startup
 Journal de l'autoscaler Managed Service pour Apache Spark
Journal de l'agent Managed Service pour Apache Spark
Journal du script de démarrage Managed Service pour Apache Spark + journal de l'action d'initialisation
Journaux étendus (supplémentaires) knox
gateway-audit
zeppelin
ranger-usersync
jupyter_notebook
jupyter_kernel_gateway
spark-history-server
 Tous les journaux des sous-répertoires /var/log/ correspondant à :
knox (y compris gateway-audit.log)
zeppelin
ranger-usersync
jupyter_notebook
jupyter_kernel_gateway
spark-history-server
 Définir la propriété dataproc:dataproc.logging.extended.enabled=false désactive la collecte des journaux étendus sur le cluster.
Journaux syslog de VM syslog
 Journaux système des nœuds maîtres et de calcul du cluster
 Définir la propriété dataproc:dataproc.logging.syslog.enabled=false désactive la collecte des journaux système de VM sur le cluster.

Accéder aux journaux de cluster dans Cloud Logging

Vous pouvez accéder aux journaux des clusters Managed Service pour Apache Spark à l'aide de l'explorateur de journaux, de la commande gcloud logging ou de l'API Logging.

Console

Sélectionnez les requêtes suivantes pour afficher les journaux de cluster dans l'explorateur de journaux :

  • Ressource : Cloud Dataproc Cluster
  • Nom du journal : log name

gcloud

Vous pouvez lire les entrées de journal de clusters à l'aide de la commande gcloud logging read. Les arguments de la ressource doivent être placés entre guillemets ("..."). La commande suivante filtre les entrées de journal renvoyées à l'aide de libellés de cluster.

gcloud logging read <<'EOF'
    "resource.type=cloud_dataproc_cluster
    resource.labels.region=cluster-region
    resource.labels.cluster_name=cluster-name
    resource.labels.cluster_uuid=cluster-uuid"
EOF

Exemple de résultat (partiel) :

jsonPayload:
  class: org.apache.hadoop.yarn.server.resourcemanager.ResourceTrackerService
  filename: hadoop-yarn-resourcemanager-cluster-name-m.log
  ...
logName: projects/project-id/logs/hadoop-yarn-resourcemanager
---
jsonPayload:
  class: org.apache.hadoop.yarn.server.resourcemanager.ResourceTrackerService
  filename: hadoop-yarn-resourcemanager-component-gateway-cluster-m.log
  ...
logName: projects/project-id/logs/hadoop-yarn-resourcemanager

API REST

Vous pouvez utiliser l'API REST Logging pour répertorier les entrées de journal (consultez la page sur entries.list).

Autorisations

Pour écrire des journaux dans Logging, le compte de service des VM Managed Service pour Apache Spark doit disposer du rôle IAM logging.logWriter. Le compte de service Managed Service pour Apache Spark par défaut détient ce rôle. Si vous utilisez un compte de service personnalisé, vous devez attribuer ce rôle au compte de service.

Protéger les journaux

Par défaut, les journaux dans Logging sont chiffrés au repos. Vous pouvez activer les clés de chiffrement gérées par le client (CMEK) pour chiffrer les journaux. Pour en savoir plus sur la compatibilité avec les CMEK, consultez Gérer les clés qui protègent les données du routeur de journaux et Gérer les clés qui protègent les données de stockage de Logging.

Étapes suivantes