Log Dataproc

I log di cluster e job di Dataproc possono essere visualizzati, cercati, filtrati e archiviati in Cloud Logging.

Livelli di logging dei componenti

Imposta i livelli di logging di Spark, Hadoop, Flink e altri componenti Dataproc con proprietà cluster log4j specifiche per il componente, come hadoop-log4j, quando crei un cluster. I livelli di logging dei componenti basati su cluster si applicano ai daemon di servizio, come YARN ResourceManager, e ai job in esecuzione sul cluster.

Se le proprietà log4j non sono supportate per un componente, ad esempio il componente Presto, scrivi un'azione di inizializzazione che modifichi il file log4j.properties o log4j2.properties del componente.

Livelli di logging dei componenti specifici del job: puoi impostare i livelli di logging dei componenti anche quando invii un job. Questi livelli di logging vengono applicati al job e hanno la precedenza sui livelli di logging impostati al momento della creazione del cluster. Per ulteriori informazioni, consulta Proprietà dei cluster e dei job.

Livelli di logging delle versioni dei componenti Spark e Hive:

I componenti Spark 3.3.X e Hive 3.X utilizzano le proprietà log4j2, mentre le versioni precedenti di questi componenti usano le proprietà log4j (consulta Apache Log4j2). Utilizza un prefisso spark-log4j: per impostare i livelli di logging Spark su un cluster.

  • Esempio: versione immagine Dataproc 2.0 con Spark 3.1 per impostare log4j.logger.org.apache.spark:

    gcloud dataproc clusters create ... \
    --properties spark-log4j:log4j.logger.org.apache.spark=DEBUG

  • Esempio: versione immagine Dataproc 2.1 con Spark 3.3 per impostare logger.sparkRoot.level:

    gcloud dataproc clusters create ...\
    --properties spark-log4j:logger.sparkRoot.level=debug

Livelli di logging dei driver di job

Dataproc utilizza un livello di logging predefinito di INFO per i programmi dei driver di job. Puoi modificare questa impostazione per uno o più pacchetti con il flag gcloud dataproc jobsubmit --driver-log-levels.

Esempio:

Imposta il livello di logging DEBUG quando invii un job Spark che legge i file di Cloud Storage.

gcloud dataproc jobs submit spark ...\
    --driver-log-levels org.apache.spark=DEBUG,com.google.cloud.hadoop.gcsio=DEBUG

Esempio:

Imposta il livello logger root su WARN, il livello logger com.example su INFO.

gcloud dataproc jobs submit hadoop ...\
    --driver-log-levels root=WARN,com.example=INFO

Livelli di logging esecutori Spark

Per configurare i livelli di logging degli esecutori Spark:

  1. Prepara un file di configurazione log4j, quindi caricalo su Cloud Storage

    .

  2. Fai riferimento al file di configurazione quando invii il job.

    Esempio:

    gcloud dataproc jobs submit spark ...\
    --file gs://my-bucket/path/spark-log4j.properties \
    --properties spark.executor.extraJavaOptions=-Dlog4j.configuration=file:spark-log4j.properties

Spark scarica il file delle proprietà di Cloud Storage nella directory di lavoro locale del job, indicata come file:<name> in -Dlog4j.configuration.

Log dei job Dataproc in Logging

Per informazioni su come abilitare i log del driver dei job Dataproc in Logging, consulta Output e log dei job Dataproc.

Accedi ai log dei job in Logging

Accedi ai log dei job di Dataproc utilizzando Esplora log, il comando gcloud logging o l'API Logging.

Console

I log del driver del job Dataproc e del container YARN sono elencati nella risorsa Job Cloud Dataproc.

Esempio: log del driver del job dopo l'esecuzione di una query di Esplora log con le seguenti selezioni:

  • Risorsa: Cloud Dataproc Job
  • Nome log: dataproc.job.driver

Esempio: log del container YARN dopo l'esecuzione di una query Esplora log con le seguenti selezioni:

  • Risorsa: Cloud Dataproc Job
  • Nome log: dataproc.job.yarn.container

gcloud

Puoi leggere le voci di log del job utilizzando il comando gcloud logging read. Gli argomenti delle risorse devono essere racchiusi tra virgolette ("..."). Il seguente comando utilizza le etichette del cluster per filtrare le voci di log restituite.

gcloud logging read \
    "resource.type=cloud_dataproc_job \
    resource.labels.region=cluster-region \
    resource.labels.job_id=my-job-id"

Output di esempio (parziale):

jsonPayload:
  class: org.apache.hadoop.hdfs.StateChange
  filename: hadoop-hdfs-namenode-test-dataproc-resize-cluster-20190410-38an-m-0.log
  ,,,
logName: projects/project-id/logs/hadoop-hdfs-namenode
---
jsonPayload:
  class: SecurityLogger.org.apache.hadoop.security.authorize.ServiceAuthorizationManager
  filename: cluster-name-dataproc-resize-cluster-20190410-38an-m-0.log
  ...
logName: projects/google.com:hadoop-cloud-dev/logs/hadoop-hdfs-namenode

API REST

Puoi utilizzare l'API REST Logging per elencare le voci di log (vedi entries.list).

Log del cluster Dataproc in Logging

Dataproc esporta in Cloud Logging i seguenti log di Apache Hadoop, Spark, Hive, Zookeeper e altri cluster Dataproc.

Tipo di log Nome log Descrizione
Log del daemon master hasoop-hdfs
hadoop-hdfs-namenode
hadoop-hdfs-second namenode
hadoop-hdfs-zkfc
hadoop-yarn-resourcemanager
hadoop-yarn-timelineserver
alveare-metastore
alveare-server2
istoria-mapred-mapred-mapred
 Nodo journal
Nodo nome HDFS
Nodo nome secondario HDFS
Controller di failover Zookeeper
Gestione risorse YARN
Server sequenza temporale YARN
Metstore Hive
Server Hive2
Server cronologia job MapReduce
Server Zookeeper
Log del daemon worker hasoop-hdfs-datanode
hadoop-yarn-nodemanager
 Nodo dati HDFS
Gestione nodi YARN
Log di sistema gestore della scalabilità automatica
google.dataproc.agent
google.dataproc.startup
 Log del gestore della scalabilità automatica Dataproc
Log agente Dataproc
Log dello script di avvio Dataproc + log delle azioni di inizializzazione

Accedi ai log del cluster in Cloud Logging

Puoi accedere ai log del cluster Dataproc utilizzando Esplora log, il comando gcloud logging o l'API Logging.

Console

Effettua le seguenti selezioni di query per visualizzare i log del cluster in Esplora log:

  • Risorsa: Cloud Dataproc Cluster
  • Nome log: log name

gcloud

Puoi leggere le voci di log del cluster utilizzando il comando gcloud logging read. Gli argomenti delle risorse devono essere racchiusi tra virgolette ("..."). Il seguente comando utilizza le etichette del cluster per filtrare le voci di log restituite.

gcloud logging read <<'EOF'
    "resource.type=cloud_dataproc_cluster
    resource.labels.region=cluster-region
    resource.labels.cluster_name=cluster-name
    resource.labels.cluster_uuid=cluster-uuid"
EOF

Output di esempio (parziale):

jsonPayload:
  class: org.apache.hadoop.yarn.server.resourcemanager.ResourceTrackerService
  filename: hadoop-yarn-resourcemanager-cluster-name-m.log
  ...
logName: projects/project-id/logs/hadoop-yarn-resourcemanager
---
jsonPayload:
  class: org.apache.hadoop.yarn.server.resourcemanager.ResourceTrackerService
  filename: hadoop-yarn-resourcemanager-component-gateway-cluster-m.log
  ...
logName: projects/project-id/logs/hadoop-yarn-resourcemanager

API REST

Puoi utilizzare l'API REST Logging per elencare le voci di log (vedi entries.list).

Autorizzazioni

Per scrivere i log in Logging, l'account di servizio VM Dataproc deve avere il ruolo logging.logWriter. L'account di servizio Dataproc predefinito ha questo ruolo. Se utilizzi un account di servizio personalizzato, devi assegnare questo ruolo all'account di servizio.

Protezione dei log

Per impostazione predefinita, i log in Logging sono criptati at-rest. Puoi abilitare le chiavi di crittografia gestite dal cliente (CMEK) per criptare i log. Per saperne di più sul supporto CMEK, vedi Gestire le chiavi che proteggono i dati del router dei log e Gestire le chiavi che proteggono i dati di archiviazione di Logging.

Passaggio successivo