Wenn Sie einen Dataproc-Job senden, erfasst Dataproc automatisch die Jobausgabe und stellt sie Ihnen zur Verfügung. Das bedeutet, dass Sie die Jobausgabe schnell überprüfen können, ohne eine Verbindung zum Cluster aufrechterhalten zu müssen, während Ihre Jobs ausgeführt werden oder komplizierte Logdateien durchgehen müssen.
Spark-Logs
Es gibt zwei Arten von Spark-Logs: Spark-Treiberlogs und Spark-Executor-Logs.
Spark-Treiberlogs enthalten Jobausgaben; Spark-Executor-Logs enthalten ausführbare Jobs oder Launcher-Ausgaben, wie die Meldung spark-submit
"Submitted application xxx" (Gesendete Anwendung xxx) und können bei der Fehlerbehebung von Jobfehlern hilfreich sein.
Der Dataproc-Jobtreiber, der sich vom Spark-Treiber unterscheidet, ist ein Launcher für viele Jobtypen. Beim Starten von Spark-Jobs wird es als Wrapper für die zugrunde liegende ausführbare spark-submit
-Datei ausgeführt, die den Spark-Treiber startet. Der Spark-Treiber führt den Job auf dem Dataproc-Cluster im Spark-Modus client
oder cluster
aus:
client
-Modus: Der Spark-Treiber führt den Job imspark-submit
-Prozess aus und Spark-Logs werden an den Dataproc-Jobtreiber gesendet.cluster
-Modus: Der Spark-Treiber führt den Job in einem YARN-Container aus. Spark-Treiberlogs sind für den Dataproc-Jobtreiber nicht verfügbar.
Dataproc- und Spark-Jobattribute – Übersicht
Attribut | Wert | Standard | Beschreibung |
---|---|---|---|
dataproc:dataproc.logging.stackdriver.job.driver.enable |
Richtig oder falsch? | false | Muss bei der Clustererstellung festgelegt werden. Bei true befindet sich die Jobtreiberausgabe in Logging und ist mit der Jobressource verknüpft. Bei false befindet sich die Jobtreiberausgabe nicht in Logging.Hinweis: Die folgenden Clusterattribut-Einstellungen sind ebenfalls erforderlich, um Jobtreiberlogs in Logging zu aktivieren. Sie werden beim Erstellen eines Clusters standardmäßig festgelegt: dataproc:dataproc.logging.stackdriver.enable=true und dataproc:jobs.file-backed-output.enable=true .
|
dataproc:dataproc.logging.stackdriver.job.yarn.container.enable |
Richtig oder falsch? | false | Muss bei der Clustererstellung festgelegt werden.
Bei true werden Job-YARN-Containerlogs der Jobressource zugeordnet, bei false der Clusterressource. |
spark:spark.submit.deployMode |
Client oder Cluster | client | Steuert den Spark-Modus client oder cluster . |
Mit der Dataproc API jobs
gesendete Spark-Jobs
In den Tabellen in diesem Abschnitt werden die Auswirkungen unterschiedlicher Attributeinstellungen auf das Ziel der Dataproc-Jobtreiberausgabe aufgeführt, wenn Jobs über die Dataproc jobs
API gesendet werden, einschließlich der Übertragung von Jobs über die Google Cloud Console, die gcloud CLI und Cloud-Clientbibliotheken.
Die aufgeführten Dataproc- und Spark-Attribute können beim Erstellen eines Clusters mit dem Flag --properties
festgelegt werden und gelten für alle im Cluster ausgeführten Spark-Jobs. Spark-Attribute können auch mit dem Flag --properties
(ohne das Präfix „spark:“) festgelegt werden, wenn ein Job an die Dataproc API jobs
gesendet wird. Sie gelten nur für den Job.
Treiberausgabe des Dataproc-Jobs
In den folgenden Tabellen werden die Auswirkungen unterschiedlicher Attributeinstellungen auf das Ziel der Dataproc-Jobtreiberausgabe aufgeführt.
dataproc: |
Ausgabe |
---|---|
false (Standardeinstellung) |
|
wahr |
|
Spark-Treiberlogs
In den folgenden Tabellen werden die Auswirkungen unterschiedlicher Attributeinstellungen auf das Ziel von Spark-Treiberlogs aufgeführt.
spark: |
dataproc: |
dataproc: |
Treiberausgabe |
---|---|---|---|
client | false (Standardeinstellung) | Richtig oder falsch? |
|
client | wahr | Richtig oder falsch? |
|
Cluster | false (Standardeinstellung) | false |
|
Cluster | wahr | wahr |
|
Spark-Executor-Logs
In den folgenden Tabellen werden die Auswirkungen unterschiedlicher Attributeinstellungen auf das Ziel von Spark-Executor-Logs aufgeführt.
dataproc: |
Executor-Log |
---|---|
false (Standardeinstellung) | In Logging: yarn-userlogs unter der Clusterressource |
wahr | In Logging dataproc.job.yarn.container unter der Jobressource |
Spark-Jobs, die ohne die Dataproc jobs
API gesendet wurden
In diesem Abschnitt werden die Auswirkungen verschiedener Attributeinstellungen auf das Ziel von Spark-Joblogs aufgeführt, wenn Jobs ohne Verwendung der Dataproc jobs
API gesendet werden, z. B. wenn ein Job mit spark-submit
direkt auf einem Clusterknoten gesendet wird oder ein Jupyter- oder Zeppelin-Notebook verwendet wird. Diese Jobs haben keine Dataproc-Job-IDs oder -Treiber.
Spark-Treiberlogs
In den folgenden Tabellen werden die Auswirkungen unterschiedlicher Attributeinstellungen auf das Ziel von Spark-Treiberlogs für Jobs aufgeführt, die nicht über die Dataproc jobs
API gesendet werden.
spark: |
Treiberausgabe |
---|---|
client |
|
Cluster |
|
Spark-Executor-Logs
Wenn Spark-Jobs nicht über die Dataproc jobs
API gesendet werden, befinden sich die Executor-Logs in Logging yarn-userlogs
unter der Clusterressource.
Jobausgabe ansehen
Sie können auf die Dataproc-Jobausgabe über die Google Cloud Console, die gcloud CLI, Cloud Storage oder Logging zugreifen.
Console
Rufen Sie dazu den Dataproc-Bereich Jobs Ihres Projekts auf und klicken Sie auf die Job-ID.
Wenn der Job ausgeführt wird, wird die Jobausgabe regelmäßig mit neuen Inhalten aktualisiert.
gcloud-Befehl
Wenn Sie einen Job mit dem Befehl gcloud dataproc jobs submit senden, wird die Jobausgabe in der Konsole angezeigt. Sie können die Ausgabe zu einem späteren Zeitpunkt auf einem anderen Computer oder in einem neuen Fenster wieder aufnehmen, indem Sie die ID des Jobs an den Befehl gcloud dataproc jobswait übergeben. Die Job-ID ist eine GUID wie z. B. 5c1754a5-34f7-4553-b667-8a1199cb9cab
. Hier ein Beispiel:
gcloud dataproc jobs wait 5c1754a5-34f7-4553-b667-8a1199cb9cab \ --project my-project-id --region my-cluster-region
Waiting for job output... ... INFO gcs.GoogleHadoopFileSystemBase: GHFS version: 1.4.2-hadoop2 ... 16:47:45 INFO client.RMProxy: Connecting to ResourceManager at my-test-cluster-m/ ...
Cloud Storage
Die Jobausgabe wird in Cloud Storage entweder im Staging-Bucket oder in dem Bucket gespeichert, den Sie beim Erstellen des Clusters angegeben haben. Ein Link zur Jobausgabe in Cloud Storage wird im Feld Job.driverOutputResourceUri bereitgestellt, das wie folgt zurückgegeben wird:
- Eine API-Anfrage des Typs jobs.get
- Einen gcloud dataproc jobs describe job-id-Befehl.
$ gcloud dataproc jobs describe spark-pi ... driverOutputResourceUri: gs://dataproc-nnn/jobs/spark-pi/driveroutput ...