spark 查看 job history 日志

2019独角兽企业重金招聘Python工程师标准>>>

SPARK_HOME/conf 下:

spark-defaults.conf 增加如下内容

Spark.eventLog.enabled true
spark.eventLog.dir hdfs://master:8020/var/log/spark
spark.eventLog.compress true

spark-env.sh 增加如下内容

export SPARK_HISTORY_OPTS=”-Dspark.history.ui.port=18080 -Dspark.history.retainedApplications=3 -Dspark.history.fs.logDirectory=hdfs:/master:8020/var/log/spark”

启动start-history-server.sh

SPARK_HOME/conf 下: 执行 ./start-history-server.sh

spark job history web: master:18080

这样在spark任务运行完成之后,就可以通过web页面查看日志了

history server相关的配置参数描述

1. spark.history.updateInterval
   　　默认值：10
   　　以秒为单位，更新日志相关信息的时间间隔

2. spark.history.retainedApplications
   　　默认值：50
   　　在内存中保存Application历史记录的个数，如果超过这个值，旧的应用程序信息将被删除，当再次访问已被删除的应用信息时需要重新构建页面。

3. spark.history.ui.port
   　　默认值：18080
   　　HistoryServer的web端口

4. spark.history.kerberos.enabled
   　　默认值：false
   　　是否使用kerberos方式登录访问HistoryServer，对于持久层位于安全集群的HDFS上是有用的，如果设置为true，就要配置下面的两个属性

5. spark.history.kerberos.principal
   　　默认值：用于HistoryServer的kerberos主体名称

6. spark.history.kerberos.keytab
   　　用于HistoryServer的kerberos keytab文件位置

7. spark.history.ui.acls.enable
   　　默认值：false
   　　授权用户查看应用程序信息的时候是否检查acl。如果启用，只有应用程序所有者和spark.ui.view.acls指定的用户可以查看应用程序信息;否则，不做任何检查

8. spark.eventLog.enabled
   　　默认值：false
   　　是否记录Spark事件，用于应用程序在完成后重构webUI

9. spark.eventLog.dir
   　　默认值：file:///tmp/spark-events
   　　保存日志相关信息的路径，可以是hdfs://开头的HDFS路径，也可以是file://开头的本地路径，都需要提前创建

10. spark.eventLog.compress
    　　默认值：false
    　　是否压缩记录Spark事件，前提spark.eventLog.enabled为true，默认使用的是snappy

以spark.history开头的需要配置在spark-env.sh中的SPARK_HISTORY_OPTS，以spark.eventLog开头的配置在spark-defaults.conf

 

 

spark-defaults.conf 里面再加上spark.yarn.historyServer.address=http://xxx:18080
否则 YARN 中点击“History”按钮是不会跳转到history-server的，看“Environment”中没有spark.yarn.historyServer.address这个属性，都不能跳转，有了都能跳转。自己测试的结论。

转载于:https://my.oschina.net/sniperLi/blog/718367