Métricas do Spark

Este documento contém informações sobre as métricas do Spark. Por padrão, o Dataproc Serverless ativa a coleta de métricas do Spark disponíveis, a menos que você use as propriedades de coleta de métricas do Spark para desativar ou substituir a coleta de uma ou mais métricas do Spark.

Para outras propriedades que podem ser definidas ao enviar uma carga de trabalho em lote do Spark sem servidor do Dataproc, consulte Propriedades do Spark.

Propriedades de coleta de métricas do Spark

É possível usar as propriedades listadas nesta seção para desativar ou substituir a coleta de uma ou mais métricas do Spark disponíveis.

Propriedade	Descrição
spark.dataproc.driver.metrics	Use para desativar ou substituir as métricas do driver do Spark.
spark.dataproc.executor.metrics	Use para desativar ou substituir as métricas do executor do Spark.
spark.dataproc.system.metrics	Use para desativar as métricas do sistema do Spark.

Exemplos da CLI gcloud:

• Desativar a coleta de métricas do driver do Spark:

  gcloud dataproc batches submit spark \
      --properties spark.dataproc.driver.metrics="" \
      --region=region \
      other args ...
  

• Substitua a coleta de métricas do driver padrão do Spark para coletar apenas as métricas BlockManager:disk.diskSpaceUsed_MB e DAGScheduler:stage.failedStages:

  gcloud dataproc batches submit spark \
      --properties=^~^spark.dataproc.driver.metrics="BlockManager:disk.diskSpaceUsed_MB,DAGScheduler:stage.failedStages" \
      --region=region \
      other args ...
  

Observação: como uma vírgula (,) é usada para separar dois valores associados à propriedade spark.dataproc.driver.metrics no exemplo anterior, o caractere ~ é especificado como o delimitador de propriedade em vez do delimitador de vírgula padrão. Para mais informações, consulte Formatação de propriedades de cluster .

Métricas do Spark disponíveis

O Dataproc sem servidor coleta as métricas do Spark listadas nesta seção, a menos que você use as propriedades de coleta de métricas do Spark para desativar ou substituir a coleta.

Observação: as métricas são coletadas no seguinte formato:

custom.googleapis.com/METRIC_EXPLORER_NAME

Métricas do impulsionador do Spark

Métrica	Nome do Metrics Explorer
BlockManager:disk.diskSpaceUsed_MB	spark/driver/BlockManager/disk/diskSpaceUsed_MB
BlockManager:memory.maxMem_MB	spark/driver/BlockManager/memory/maxMem_MB
BlockManager:memory.memUsed_MB	spark/driver/BlockManager/memory/memUsed_MB
DAGScheduler:job.activeJobs	spark/driver/DAGScheduler/job/activeJobs
DAGScheduler:job.allJobs	spark/driver/DAGScheduler/job/allJobs
DAGScheduler:messageProcessingTime	spark/driver/DAGScheduler/messageProcessingTime
DAGScheduler:stage.failedStages	spark/driver/DAGScheduler/stage/failedStages
DAGScheduler:stage.runningStages	spark/driver/DAGScheduler/stage/runningStages
DAGScheduler:stage.waitingStages	spark/driver/DAGScheduler/stage/waitingStages

Métricas do executor do Spark

Métrica	Nome do Metrics Explorer
ExecutorAllocationManager:executors.numberExecutorsDecommissionUnfinished	spark/driver/ExecutorAllocationManager/executors/numberExecutorsDecommissionUnfinished
ExecutorAllocationManager:executors.numberExecutorsExitedUnexpectedly	spark/driver/ExecutorAllocationManager/executors/numberExecutorsExitedUnexpectedly
ExecutorAllocationManager:executors.numberExecutorsGracefullyDecommissioned	spark/driver/ExecutorAllocationManager/executors/numberExecutorsGracefullyDecommissioned
ExecutorAllocationManager:executors.numberExecutorsKilledByDriver	spark/driver/ExecutorAllocationManager/executors/numberExecutorsKilledByDriver
LiveListenerBus:queue.executorManagement.listenerProcessingTime	spark/driver/LiveListenerBus/queue/executorManagement/listenerProcessingTime
executor:bytesRead	spark/executor/bytesRead
executor:bytesWritten	spark/executor/bytesWritten
executor:cpuTime	spark/executor/cpuTime
executor:diskBytesSpilled	spark/executor/diskBytesSpilled
executor:jvmGCTime	spark/executor/jvmGCTime
executor:memoryBytesSpilled	spark/executor/memoryBytesSpilled
executor:recordsRead	spark/executor/recordsRead
executor:recordsWritten	spark/executor/recordsWritten
executor:runTime	spark/executor/runTime
executor:shuffleFetchWaitTime	spark/executor/shuffleFetchWaitTime
executor:shuffleRecordsRead	spark/executor/shuffleRecordsRead
executor:shuffleRecordsWritten	spark/executor/shuffleRecordsWritten
executor:shuffleRemoteBytesReadToDisk	spark/executor/shuffleRemoteBytesReadToDisk
executor:shuffleWriteTime	spark/executor/shuffleWriteTime
executor:succeededTasks	spark/executor/succeededTasks
ExecutorMetrics:MajorGCTime	spark/executor/ExecutorMetrics/MajorGCTime
ExecutorMetrics:MinorGCTime	spark/executor/ExecutorMetrics/MinorGCTime

Métricas do sistema

Métrica	Nome do Metrics Explorer
agent:uptime	agente/uptime
cpu:utilization	CPU/uso
disk:bytes_used	disk/bytes_used
disk:percent_used	disk/percent_used
memory:bytes_used	memory/bytes_used
memory:percent_used	memory/percent_used
network:tcp_connections	network/tcp_connections

Conferir métricas do Spark

Para conferir as métricas de lote, clique em um ID de lote na página Batches do Dataproc no console do Google Cloud para abrir a página Details, que mostra um gráfico de métricas para a carga de trabalho em lote na guia Monitoring.

Figura 1. Gráfico de métricas do Spark para uma carga de trabalho em lote.

Consulte o Cloud Monitoring do Dataproc para mais informações sobre como visualizar as métricas coletadas.