Registros do Managed Service for Apache Spark

Os registros de jobs e clusters do Serviço Gerenciado para Apache Spark podem ser visualizados, pesquisados, filtrados, e arquivados no Cloud Logging.

Níveis de registro de componentes

Defina os níveis de registro de componentes do Spark, Hadoop, Flink e outros Serviço Gerenciado para Apache Spark com propriedades de cluster log4j específicas do componente , como hadoop-log4j, ao criar um cluster. Os níveis de registro de componentes baseados em cluster se aplicam a daemons de serviço, como o YARN ResourceManager, e a jobs executados no cluster.

Se as propriedades do log4j não forem compatíveis com um componente, como o Presto, escreva uma ação de inicialização que edite o arquivo log4j.properties ou log4j2.properties do componente.

Níveis de registro de componentes específicos do job: também é possível definir níveis de registro de componentes ao enviar um job. Esses níveis de registro são aplicados ao job e têm precedência sobre os níveis de registro definidos quando você criou o cluster. Consulte Propriedades de cluster x job para mais informações.

Níveis de registro da versão do componente Spark e Hive :

Os componentes do Spark 3.3.X e do Hive 3.X usam propriedades do log4j2, enquanto as versões anteriores desses componentes usam propriedades do log4j (consulte Apache Log4j2). Use um prefixo spark-log4j: para definir os níveis de registro do Spark em um cluster.

Níveis de registro do driver do job

O Serviço Gerenciado para Apache Spark usa um nível de registro padrão de INFO para programas de driver de job. É possível mudar essa configuração para um ou mais pacotes com a flag gcloud dataproc jobs submit --driver-log-levels.

Exemplo:

Defina o nível de registro DEBUG ao enviar um job do Spark que lê arquivos do Cloud Storage.

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

Exemplo:

Defina o nível do logger root como WARN e o nível do logger com.example como INFO.

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

Níveis de registro do executor do Spark

Para configurar os níveis de registro do executor do Spark:

  1. Prepare um arquivo de configuração do log4j e faça o upload dele para o Cloud Storage.

    .

  2. Faça referência ao arquivo de configuração ao enviar o job.

    Exemplo:

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

O Spark faz o download do arquivo de propriedades do Cloud Storage para o diretório de trabalho local do job, referenciado como file:<name> em -Dlog4j.configuration.

Registros de jobs do Serviço Gerenciado para Apache Spark no Logging

Consulte Saída e registros de jobs do Serviço Gerenciado para Apache Spark para informações sobre como ativar os registros de driver de jobs do Serviço Gerenciado para Apache Spark no Logging.

Acessar os registros de jobs no Logging

Acesse os registros de jobs do Serviço Gerenciado para Apache Spark usando o Análise de registros, o comando gcloud logging ou a API Logging.

Console

Os registros de contêiner do job e do YARN do Serviço Gerenciado para Apache Spark estão listados no recurso Job do Serviço Gerenciado para Apache Spark do Cloud.

Exemplo: registro do driver do job após executar uma consulta da Análise de registros com as seguintes seleções:

  • Recurso:Cloud Dataproc Job
  • Nome do registro:dataproc.job.driver

Exemplo: registro do contêiner do YARN após executar uma consulta da Análise de registros com as seguintes seleções:

  • Recurso:Cloud Dataproc Job
  • Nome do registro:dataproc.job.yarn.container

gcloud

Você pode ler as entradas de registro do job usando o comando gcloud logging read. Os argumentos de recursos precisam estar entre aspas ("..."). O comando a seguir usa rótulos de cluster para filtrar as entradas de registro retornadas.

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

Exemplo de saída (parcial):

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

É possível usar a API REST do Logging para listar entradas de registro (consulte entries.list).

Registros de clusters do Serviço Gerenciado para Apache Spark no Logging

O Serviço Gerenciado para Apache Spark exporta os seguintes registros de cluster do Apache Hadoop, Spark, Hive, Zookeeper e outros do Serviço Gerenciado para Apache Spark para o Cloud Logging.

Tipo de registro Nome do registro Descrição Observações
Registros do daemon principal 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		 Journal node
HDFS namenode
HDFS secondary namenode
Zookeeper failover controller
YARN resource manager
YARN timeline server
Hive metastore
Hive server2
Mapreduce job history server
Zookeeper server
Registros de daemon de worker hadoop-hdfs-datanode
hadoop-yarn-nodemanager
 HDFS datanode
YARN nodemanager
Registros do sistema autoscaler
google.dataproc.agent
google.dataproc.startup
 Registro do escalonador automático do Serviço Gerenciado para Apache Spark
Registro do agente do Serviço Gerenciado para Apache Spark
Registro do script de inicialização do Serviço Gerenciado para Apache Spark + registro da ação de inicialização
Registros estendidos (adicionais) knox
gateway-audit
zeppelin
ranger-usersync
jupyter_notebook
jupyter_kernel_gateway
spark-history-server
 Todos os registros nos subdiretórios /var/log/ que correspondem a:
knox (inclui gateway-audit.log)
zeppelin
ranger-usersync
jupyter_notebook
jupyter_kernel_gateway
spark-history-server
 A definição da propriedade dataproc:dataproc.logging.extended.enabled=false desativa a coleta de registros estendidos no cluster
Syslogs da VM syslog
 Syslogs dos nós mestre e de worker do cluster
 A definição da propriedade dataproc:dataproc.logging.syslog.enabled=false desativa a coleta de syslogs da VM no cluster

Acessar registros de cluster no Cloud Logging

É possível acessar os registros de cluster do Serviço Gerenciado para Apache Spark usando a Análise de registros, o comando gcloud logging ou a API Logging.

Console

Faça as seguintes seleções de consulta para visualizar registros de cluster na Análise de registros:

  • Recurso:Cloud Dataproc Cluster
  • Nome do registro: log name

gcloud

É possível ler entradas de registro do cluster usando o comando gcloud logging read. Os argumentos de recursos precisam estar entre aspas ("..."). O comando a seguir usa rótulos de cluster para filtrar as entradas de registro retornadas.

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

Exemplo de saída (parcial):

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

É possível usar a API REST do Logging para listar entradas de registro (consulte entries.list).

Permissões

Para gravar registros no Logging, a conta de serviço de VM do Serviço Gerenciado para Apache Spark precisa ter o papel logging.logWriter do IAM. A conta de serviço padrão do Serviço Gerenciado para Apache Spark tem esse papel. Se você usar uma conta de serviço personalizada, precisará atribuir esse papel à conta de serviço.

Como proteger os registros

Por padrão, os registros no Logging são criptografados em repouso. É possível ativar as chaves de criptografia gerenciadas pelo cliente (CMEK) para criptografar os registros. Para mais informações sobre o suporte a CMEK, consulte Gerenciar as chaves que protegem os dados do roteador de registros e Gerenciar as chaves que protegem os dados de armazenamento do Logging.

A seguir