您可以监控 Dataproc Serverless Spark 批处理工作负载 使用下面几部分中介绍的信息和工具。
Persistent History Server
Dataproc Serverless for Spark 可创建运行工作负载所需的计算资源， 在这些资源上运行工作负载，然后在工作负载完成时删除资源。 工作负载完成后，系统不会保留工作负载指标和事件。不过，您可以使用 用于保留工作负载应用历史记录（事件）的永久性历史记录服务器 (PHS) 日志）。
如需将 PHS 与批量工作负载搭配使用，请执行以下操作：
Dataproc Serverless for Spark 日志
在 Dataproc Serverless for Spark 中，日志记录默认处于启用状态，
工作负载完成。Dataproc Serverless for Spark 会在 Cloud Logging 中收集工作负载日志。
您可以在日志浏览器的 Cloud Dataproc Batch 资源下访问 Dataproc Serverless for Spark 日志。
查询 Dataproc Serverless for Spark 日志
Google Cloud 控制台中的日志浏览器提供 一个查询窗格 可帮助您构建用于检查批量工作负载日志的查询。 您可以按照以下步骤构建查询来检查批量工作负载 日志：
- 系统会选择您的当前项目。您可以点击优化范围项目以选择其他项目。
定义批量日志查询。
使用过滤菜单过滤出批处理工作负载。
在所有资源下，选择 Cloud Dataproc Batch 资源。
在选择资源面板中，依次选择批量 LOCATION（位置）和 BATCH ID（批量 ID）。这些批处理参数列在 Dataproc 批次 页面。
点击应用。
在选择日志名称下，在搜索日志名称框中输入
dataproc.googleapis.com，以限制要查询的日志类型。选择 一个或多个列出的日志文件名。
使用查询编辑器过滤出特定于虚拟机的日志。
指定资源类型和虚拟机资源名称，如以下示例所示：
resource.type="cloud_dataproc_batch" labels."dataproc.googleapis.com/resource_name"="gdpic-srvls-batch-BATCH_UUID-VM_SUFFIX"
- BATCH_UUID：批处理 UUID 列在 Google Cloud 控制台的“批处理详情”页面中，您可以通过点击批处理页面上的批处理 ID 来打开该页面。
批量日志还会在虚拟机资源名称中列出批量 UUID。以下是批量 driver.log 的示例：
- BATCH_UUID：批处理 UUID 列在 Google Cloud 控制台的“批处理详情”页面中，您可以通过点击批处理页面上的批处理 ID 来打开该页面。
点击运行查询。
Dataproc Serverless for Spark 日志类型和示例查询
以下列表介绍了不同的 Dataproc Serverless 日志类型和 为每种日志类型提供示例 Logs Explorer 查询。
dataproc.googleapis.com/output：此日志文件包含批处理工作负载输出。Dataproc Serverless for Spark 会将批处理输出流式传输到output命名空间，并将文件名设置为JOB_ID.driver.log。针对输出日志的 Logs Explorer 查询示例：
resource.type="cloud_dataproc_batch" resource.labels.location="REGION" resource.labels.batch_id="BATCH_ID" logName="projects/PROJECT_ID/logs/dataproc.googleapis.com%2Foutput"
dataproc.googleapis.com/spark：spark命名空间聚合 Spark Dataproc 上运行的守护程序和执行程序的日志 集群主服务器和工作器虚拟机每个日志条目都包含master、worker或executor组件标签，用于标识 日志源，如下所示：executor：来自用户代码执行程序的日志。这些日志通常是分布式日志。master：来自 Spark 独立资源管理器主实例的日志， 类似于 Compute Engine YARN 上的 DataprocResourceManager日志。worker：来自 Spark 独立资源管理器工作器的日志。 类似于 Compute Engine YARN 上的 DataprocNodeManager日志。
针对
spark命名空间中所有日志的日志浏览器查询示例：resource.type="cloud_dataproc_batch" resource.labels.location="REGION" resource.labels.batch_id="BATCH_ID" logName="projects/PROJECT_ID/logs/dataproc.googleapis.com%2Fspark"
中 Spark 独立组件日志的日志浏览器查询示例
spark命名空间：resource.type="cloud_dataproc_batch" resource.labels.location="REGION" resource.labels.batch_id="BATCH_ID" logName="projects/PROJECT_ID/logs/dataproc.googleapis.com%2Fspark" jsonPayload.component="COMPONENT"
dataproc.googleapis.com/startup：startup命名空间包含 批量（集群）启动日志。所有初始化脚本日志 已包含在内。组件通过标签进行标识，例如：startup-script[855]: ... activate-component-spark[3050]: ... enable spark-worker
resource.type="cloud_dataproc_batch" resource.labels.location="REGION" resource.labels.batch_id="BATCH_ID" logName="projects/PROJECT_ID/logs/dataproc.googleapis.com%2Fstartup" labels."dataproc.googleapis.com/resource_name"="gdpic-srvls-batch-BATCH_UUID-VM_SUFFIX"
dataproc.googleapis.com/agent：agent命名空间聚合 Dataproc 代理日志。每个日志条目都包含用于标识日志来源的文件名标签。针对指定工作器虚拟机生成的代理日志的 Logs Explorer 查询示例：
resource.type="cloud_dataproc_batch" resource.labels.location="REGION" resource.labels.batch_id="BATCH_ID" logName="projects/PROJECT_ID/logs/dataproc.googleapis.com%2Fagent" labels."dataproc.googleapis.com/resource_name"="gdpic-srvls-batch-BATCHUUID-wWORKER#"
dataproc.googleapis.com/autoscaler：autoscaler命名空间会汇总 Dataproc Serverless for Spark 自动扩缩器日志。针对指定工作器虚拟机生成的代理日志的 Logs Explorer 查询示例：
resource.type="cloud_dataproc_batch" resource.labels.location="REGION" resource.labels.batch_id="BATCH_ID" logName="projects/PROJECT_ID/logs/dataproc.googleapis.com%2Fautoscaler" labels."dataproc.googleapis.com/resource_name"="gdpic-srvls-batch-BATCHUUID-wWORKER#"
如需了解详情，请参阅 Dataproc 日志。
Dataproc 无服务器审核日志
如需了解 Dataproc 无服务器审核日志，请参阅 Dataproc 审核日志记录。
工作负载指标
默认情况下，Dataproc Serverless for Spark 会启用可用 Spark 指标的收集，除非您使用 Spark 指标收集属性停用或替换一个或多个 Spark 指标的收集。
您可在以下位置查看工作负载指标： Metrics Explorer 或 Google Cloud 控制台中的批次详情页面。
批量指标
借助 Dataproc batch 资源指标，您可以深入了解批量资源
例如批处理执行程序的数量批处理指标的前缀为
dataproc.googleapis.com/batch。
Spark 指标
可用的 Spark 指标包括 Spark 驱动程序和执行器指标以及系统指标。可用的 Spark 指标带有前缀
尽在 custom.googleapis.com/。
设置指标提醒
您可以创建 Dataproc 指标提醒，以便在出现工作负载问题时收到通知。
创建图表
您可以使用 Google Cloud 控制台中的 Metrics Explorer 创建图表，直观呈现工作负载指标。例如，您可以
创建一个图表以显示disk:bytes_used，然后按 batch_id 进行过滤。
Cloud Monitoring
Monitoring 使用工作负载元数据和指标来提供数据洞见 了解 Dataproc Serverless for Spark 工作负载的健康状况和性能。 工作负载指标包括 Spark 指标、批处理指标和操作指标。
您可以在 Google Cloud 控制台中使用 Cloud Monitoring 探索指标、添加图表、创建信息中心和创建提醒。
创建信息中心
您可以创建一个信息中心，使用来自多个项目和不同 Google Cloud 产品的指标来监控工作负载。如需了解详情，请参阅创建和管理自定义信息中心。
高级问题排查（预览版）
本部分将介绍高级问题排查方法 功能（预览版） 可在 Google Cloud 控制台中找到。这些功能包括Gemini 协助排查 Dataproc Serverless 问题，该功能属于 BigQuery 中的 Gemini 产品。
使用预览版功能
如需注册使用高级问题排查功能的预览版，请填写并提交 Gemini in BigQuery 正式发布前注册表单。表单获得批准后，表单中列出的项目便可使用预览版功能。
预览价格
参与预览不会产生额外费用。以下预览版功能在正式发布 (GA) 后将开始收费：
我们会向您在预览版注册表单中提供的电子邮件地址发送 GA 扣款的预先通知。
功能要求
注册：你必须注册才能使用该功能。
权限：您必须拥有
dataproc.batches.analyze权限。如果您有预定义的
roles/dataproc.admin、roles/dataproc.editor或roles/dataproc.viewer则您拥有所需的权限。您无需执行任何其他操作。如果您使用自定义角色访问 Dataproc 服务，则自定义角色必须具有
dataproc.batches.analyze权限。您可以使用 gcloud CLI 添加权限，如以下命令所示，该命令会在项目级别添加权限：
gcloud iam roles update CUSTOM_ROLE_ID --project=PROJECT_ID \ --add-permissions="dataproc.batches.analyze"
为 Dataproc Serverless 启用 Gemini 辅助的问题排查：您可以启用 Gemini 辅助 使用 Google Cloud 控制台、gcloud CLI 或 Dataproc API。在周期性批量工作负载上启用此功能后，Dataproc 会存储工作负载日志的副本 30 天，并使用已保存的日志数据为工作负载提供 Gemini 辅助的问题排查服务。如需了解 Spark 工作负载日志内容，请参阅 Dataproc Serverless for Spark 日志。
控制台
请执行以下步骤，以针对每个设备启用 Gemini 辅助的问题排查 周期性 Spark 批量工作负载：
在 Google Cloud 控制台中，前往 Dataproc 批次页面。
如需创建批量工作负载，请点击创建。
在容器部分中，填写 同类群组名称，用于将批次标识为一系列周期性工作负载中的一个。 系统会对使用此同类群组名称提交的第二个工作负载及之后的工作负载应用 Gemini 辅助分析。例如，指定 将
TPCH-Query1作为运行 每日 TPC-H 查询。根据需要填写创建批次页面的其他部分，然后点击 提交。如需了解详情，请参阅提交批处理工作负载。
gcloud
在终端窗口或 Cloud Shell 中本地运行以下 gcloud CLI gcloud dataproc batches submit 命令，以便为每个周期性 Spark 批处理工作负载启用 Gemini 辅助问题排查功能：
gcloud dataproc batches submit COMMAND \ --region=REGION \ --cohort=COHORT \ other arguments ...
替换以下内容：
- COMMAND：Spark 工作负载类型，例如
Spark、PySparkSpark-Sql或Spark-R。 - REGION：工作负载将在其中运行的区域。
- COHORT：同类群组的名称。
将批次标识为一系列周期性工作负载中的一个。
系统会对使用此同类群组名称提交的第二个工作负载及后续工作负载应用 Gemini 辅助分析。例如，为每天运行 TPC-H 查询的定期工作负载指定
TPCH Query 1作为同类群组名称。
API
包含 RuntimeConfig.cohort
在 batches.create 中设置
请求为每个周期性 Spark 启用 Gemini 辅助的问题排查
批量工作负载Gemini 辅助的分析会应用于第二份及后续提交的工作负载
此同类群组名称。例如，为每天运行 TPC-H 查询的定期工作负载指定 TPCH-Query1 作为同类群组名称。
示例：
...
runtimeConfig:
cohort: TPCH-Query1
...
Gemini 辅助的 Dataproc Serverless 问题排查
您可在 Google Cloud 控制台中的批次详情和批次列表页面。
调查标签页：批量作业详情页面上的“调查”标签页提供了“健康状况概览（预览版）”部分，其中包含以下 Gemini 辅助问题排查面板：
- 对哪些内容进行了自动调优？如果您在一个或多个工作负载上启用了自动调整，此面板会显示应用于正在运行、已完成和失败的工作负载的最新自动调整更改。
- 目前是什么情况？和我该怎么办？ 点击向 Gemini 提问，获取有助于修正失败工作负载或改进成功但运行缓慢的工作负载的建议。
如果您点击 Ask Gemini（询问 Gemini），Gemini for Google Cloud 会根据工作负载日志、Spark 指标和 Spark 事件生成有关任何错误、异常或亮点的摘要。Gemini for Google Cloud 还会显示一系列建议步骤，以便您修复失败的工作负载或提升成功但运行缓慢的工作负载的性能。
Gemini 协助的问题排查列：在预览版中，Google Cloud 控制台中的 Dataproc 批处理列表页面包含
What was Autotuned、What is happening now?和What can I do about it?列。
此时系统会显示向 Gemini 提问按钮，并且 仅当已完成的批次处于
Failed、Cancelled或Succeeded状态时才启用。 如果您点击向 Gemini 提问，就可以选择在 Google Cloud 上使用 Gemini。 生成有关工作负载日志、Spark 指标和 Spark 事件中的任何错误、异常或重要信息的摘要。 Google Cloud 专用 Gemini 还会显示一系列建议执行的步骤，以便您解决失败问题 或者提高成功但运行缓慢的工作负载的性能。
批量指标亮点
在预览版中，Google Cloud 控制台的批处理详情页面包含显示重要批处理工作负载指标值的图表。批量处理完成后，系统会在指标图表中填充值。
下表列出了 Google Cloud 控制台中的批处理详情页面上显示的 Spark 工作负载指标，并说明了指标值如何提供有关工作负载状态和性能的数据分析。
| 指标 | 会显示什么内容？ |
|---|---|
| 执行器级指标 | |
| JVM GC 时间与运行时间的比率 | 此指标显示 JVM GC（垃圾回收）时间与每个执行器运行时间的比率。比率高可能表明在特定执行器上运行的任务中存在内存泄漏或低效的数据结构，从而导致对象流失率高。 |
| 溢出到磁盘的字节数 | 此指标显示溢出到不同执行程序的磁盘字节总数。如果某个执行器显示的磁盘字节数溢出较高，则可能表示数据存在偏差。如果该指标随时间而增加，则可能表示存在内存压力或内存泄漏的阶段。 |
| 读取和写入的字节数 | 此指标显示每个执行器的写入字节数与读取字节数。读取或写入的字节数存在较大差异，可能表明复制联接导致特定执行器上出现数据放大的情况。 |
| 读取和写入的记录 | 此指标显示每个执行器的读取和写入记录。如果读取大量记录，但写入的记录数较少，则可能表示特定执行器的处理逻辑存在瓶颈，导致在等待期间读取记录。如果执行器的读写操作始终滞后，则可能表明这些节点上有资源争用或特定于执行器的代码效率低下。 |
| Shuffle 写入时间与运行时间的比率 | 该指标显示的是执行器在 shuffle 运行时与总运行时相比所花费的时间。如果对于某些执行器，此值很高，这可能表明存在数据倾斜或数据序列化效率低下。 您可以在 Spark 界面中找出 Shuffle 写入时间较长的阶段。查找这些阶段中完成时间超过平均时间的离群任务。检查 Shuffle 写入时间较长的执行器是否也显示高磁盘 I/O 活动。更高效的序列化和额外的分区步骤可能会有所帮助。与记录读取相比，记录写入量非常大，可能表明由于联接效率低或转换不正确而导致意外的数据复制。 |
| 应用级指标 | |
| 阶段进程 | 此指标显示失败、等待和正在运行阶段的阶段数量。大量失败或等待的阶段可能表明存在数据偏差。使用 Spark 界面中的 Stages 标签页检查数据分区，并调试阶段失败的原因。 |
| 批处理 Spark 执行器 | 此指标显示可能所需的执行器数量 正在运行的执行器的数量。必需的执行程序和正在运行的执行程序之间存在很大的差异 可能表示自动扩缩问题。 |
| 虚拟机级指标 | |
| 使用的内存 | 此指标显示正在使用的虚拟机内存所占的百分比。如果主副本百分比较高，则可能表示驱动程序存在内存压力。对于其他虚拟机节点，百分比较高可能表示执行器正在耗尽内存，这可能会导致磁盘溢出量较高，并使工作负载运行速度变慢。使用 Spark 界面分析执行程序，以检查是否存在较长的 GC 时间和严重的任务失败。此外，还可以调试 Spark 代码，以解决大型数据集缓存和不必要的变量广播问题。 |
作业日志
在预览版中，Google Cloud 控制台的批处理详情页面会列出作业（批处理工作负载）日志。日志包含过滤出的警告和错误 来自工作负载输出和 Spark 日志的数据。您可以选择日志严重性，添加过滤条件，然后点击在日志浏览器中查看图标，以在日志浏览器中打开所选的批量日志。
示例：从“严重级别”中选择 Errors 后，Logs Explorer 即会打开
选择器（位于 Google Cloud 控制台的批次详情页面上）。
Spark 界面（预览版）
如果您在 Spark 界面预览中注册了项目 功能，您可以在 Google Cloud 控制台中查看 Spark 界面，而无需 来创建一个 Dataproc PHS（永久性历史记录服务器）集群。 Spark 界面会从批量工作负载中收集 Spark 执行详情。有关详情，请参阅发放给已注册客户的用户指南 作为 Spark 界面预览版的一部分。