我已经围绕 Spark-Submit 命令创建了一个包装器,以便能够通过解析日志来生成实时事件。 目的是创建一个实时界面,显示 Spark 作业的详细进度。
所以包装器将如下所示:
submitter = SparkSubmitter()
submitter.submit('/path/to/spark-code.py')
for log_event in submitter:
if log_event:
print('Event:', log_event)
输出将如下所示:
Event: StartSparkContextEvent()
Event: StartWorkEvent()
Event: FinishWorkEvent()
Event: StopSparkContextEvent()
在内部,SparkSubmitter 类将 Spark-submit 命令作为 subprocess.Popen 进程启动,然后在 stdout 流上进行迭代器,并通过解析该进程生成的日志来返回事件,如下所示:
class SparkSubmitter():
def submit(self, path):
command = self.build_spark_submit_command(path)
self.process = Popen(command, stdout=PIPE, stderr=PIPE)
def __iter__(self):
return self
def __next__(self):
# note: this is a IO-Blocking command
log = self.process.stdout.readline().decode('utf-8')
return self.parse_log_and_return_event(log)
此实现与 Spark 独立集群配合良好。但我在 Yarn 集群上运行时遇到问题。
在 Yarn 集群中,“Spark 相关日志”位于 stderr
中,而不是 stdout
中。所以我的类无法解析 Spark 生成的日志,因为它只是尝试读取 stdout
。
问题1:是否可以将Popen的stdout和stderr作为单个流读取?
问题2:由于stdout和stderr都是Stream,是否可以合并这两个流并将它们作为一个读取?
问题3:是否可以将所有日志仅重定向到标准输出?
最佳答案
所有 3 个问题的答案都是肯定的,您可以使用 stderr=subprocess.STDOUT
作为 Popen
的参数来重定向 stderr< 的输出
到 stdout
:
self.process = Popen(command, stdout=PIPE, stderr=subprocess.STDOUT)
关于python - 波开 : redirect stderr and stdout to single stream,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/55397854/