我正在测量具有不同资源配置的Spark作业的运行时间,并且需要比较每个阶段的运行时间。我只有在作业运行时才能在UI中看到它们。
我在Hadoop集群上运行我的工作,并使用Yarn作为资源管理器。
有什么办法可以保持每个阶段的运行时间?他们有日志吗?
更新:
我阅读了注释中提到的监视文档,并添加了以下几行,但是它不起作用:
在 spark-defaults.conf 中:
spark.eventLog.enabled true
spark.eventLog.dir hdfs:///[nameNode]:8020/[PathToSparkEventLogDir]
spark.history.fs.logDirectory
hdfs:///[nameNode]:8020/[PathTosparkLogDirectory]
在 spark-env.sh 中:
export SPARK_PUBLIC_DNS=[nameNode]
SPARK_HISTORY_OPTS="-Dspark.eventLog.enabled=true"
SPARK_HISTORY_OPTS="$SPARK_HISTORY_OPTS -Dspark.history.fs.logDirectory=$sparkHistoryDir"
SPARK_HISTORY_OPTS="$SPARK_HISTORY_OPTS -Dspark.history.provider=org.apache.spark.deploy.history.FsHistoryProvider"
SPARK_HISTORY_OPTS="$SPARK_HISTORY_OPTS -Dspark.history.fs.cleaner.enabled=true"
SPARK_HISTORY_OPTS="$SPARK_HISTORY_OPTS -Dspark.history.fs.cleaner.interval=7d"
它查找/ tmp / spark-events /文件夹,当我创建它并启动历史记录服务器时,它不会显示任何完整或不完整的应用程序。
注意我也尝试了不带端口号的logDirectory值,但是它不起作用。
最佳答案
通过应用以下命令,我可以运行Spark History Server并查看已完成和未完成的应用程序的历史记录:
export SPARK_PUBLIC_DNS= NameNode-IP
SparkConf conf = new SparkConf()
.set("spark.eventLog.enabled", "true")
.set("spark.eventLog.dir", "hdfs:///user/[user-path]/sparkEventLog")
.set("spark.history.fs.logDirectory", "hdfs:///user/[user-path]/sparkEventLog")
spark.eventLog.enabled true
spark.eventLog.dir hdfs:///user/[user-path]/sparkEventLog
spark.history.fs.logDirectory hdfs:///user/[user-path]/sparkEventLog
./sbin/start-history-server.sh --properties-file ./conf/history.properties
注意:属性 eventLog.dir 和 eventLog.dir 应该具有保存值。
关于performance - Spark中有什么方法可以保持每个阶段的运行时间?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/57201252/