大数据基础系列之spark的监控体系介绍

目前有好几种监控spark应用程序的工具：web UIs，指标系统和外部监控仪。

一，web界面

1，界面的基本介绍

每一个Spark应用程序都会启动一个spark ui，默认端口是4040端口，用于展示对应用程序有用的信息。包括以下信息：

1)，stages和tasks列表。

2)，RDD大小的总概和内存使用。

3)，运行环境信息。

4)，运行的Executors状态。

你可以在浏览器输入： http://<driver-node>:4040访问该界面。如果多个SparkContexts在同一台主机上运行，则它们将以4040（4041，4042等）开始绑定到连续的端口。请注意，默认情况下，这些信息只会在程序运行期间可以查看。在程序运行结束后查看webUI，需要在启动应用程序前设置spark.eventLog.enabled为true。这配置spark会将显示在web ui上的spark events存储到存储系统中去。

2，spark的historyServer

只要应用程序的事件日志存在，仍然可以通过Spark的历史记录服务器构建应用程序的UI。通过执行下面的命令，启动历史服务器：

./sbin/start-history-server.sh

默认情况下，这将在http：// <server-url>：18080创建一个Web界面，列出未完成和已完成的应用程序和尝试。当使用文件系统提供程序类（请参见下面的spark.history.provider）时，基本日志记录目录必须在spark.history.fs.logDirectory配置选项中提供，并且应包含每个表示应用程序事件日志的子目录。必须将Spark作业本身配置为记录事件，并将其记录到相同的共享可写目录。例如，server的log目录为：hdfs://namenode/shared/spark-logs，那么客户端的配置如下：

spark.eventLog.enabled true

spark.eventLog.dir hdfs://namenode/shared/spark-logs

3，historyServer的配置

1)，环境变量

2)，spark的配置选项

这里只配置了常用的，还有更多配置请参考官网。

http://spark.apache.org/docs/latest/monitoring.html

通过页面我们很容易发现慢任务和数据倾斜。

注释：

1),historyserver会展示完成的任务和未完成的任务。如果一个任务失败之后重试了很多次，失败尝试会展示，正在运行的未完成的尝试，最终成功的尝试都会展示。

2),不完整的应用程序仅间歇更新。更新之间的时间由更改文件的检查间隔（spark.history.fs.update.interval）定义。在较大的集群上，更新间隔可能设置为较大的值。查看正在运行的应用程序的方式实际上是查看应用自己的Web UI。

二，监控指标

Spark具有基于Dropwizard Metrics Library的可配置度量系统。这允许用户将Spark指标报告给各种sinks，包括HTTP，JMX和CSV文件。度量系统是通过配置文件进行配置的，Spark度量系统的配置文件为$ SPARK_HOME / conf / metrics.properties。可以通过spark.metrics.conf配置属性指定自定义文件位置。默认情况下，用于驱动程序或执行程序度量标准的根命名空间是spark.app.id的值。然而，通常，用户希望能够跟踪spark程序的driver和Executor的指标，这与应用程序ID（即spark.app.id）很难相关，因为每次启动应用程序程序ID都会发生变化。这对这种情况，一个自定义namespace必须被指定，可以使用 spark.metrics.namespace设置为${spark.app.name}。然后该值会被spark展开作为root namespace。非driver和Executor度量指标不会以spark.app.id为前缀，spark.metrics.namespace属性也不会对此度量指标有任何影响。

Spark的度量指标被分解为与Spark组件相对应的不同实例。每一个实例都可以配置多个sinks，作为指标的输出地。下面的实例是当前所支持的：

1),master：Standalone模式下的master进程。

2),applications：master内的一个组件，用于报告各种应用程序。

3),worker：Standalone模式下的worker进程。

4),executor：spark的Executor。

5),driver：spark的diver进程。

6),shuffleService：Spark的shuffle服务。

每个实例能够输出到0个到多个sinks。Sinks包括在org.apache.spark.metrics.sink

1),ConsoleSink：将指标信息记录到控制台。

2),CSVSink：定期将度量数据导出到CSV文件。

3),JmxSink：注册指标到JMX控制台中查看的。

4),MetricsServlet：在现有的Spark UI中添加一个servlet，将度量指标以json的格式提供。

5),GraphiteSink：将指标追加到Graphite节点。

6),Slf4jSink：将度量标准作为日志条目发送到slf4j。

Spark还支持由于许可限制而不包含在默认构建中的Ganglia接收器

7),GangliaSink：向Ganglia节点或多播组发送指标。

要安装GangliaSink，您需要自定义编译spark。请注意，通过嵌入此库，您将在Spark包中包含LGPL许可的代码。对于sbt用户，在编译之前设置SPARK_GANGLIA_LGPL环境变量。对于Maven用户，启用-Pspark-ganglia-lgpl配置文件。除了修改集群的Spark构建用户应用程序，还需要链接到spark-ganglia-lgpl工件。度量系统的配置语法在示例配置文件$ SPARK_HOME / conf / metrics.properties.template中定义。

三，高级监控

可以使用多个外部工具来帮助描述Spark作业的性能：

1，集群的监控工具，如Ganglia，可以提供整体集群利用率和资源瓶颈的分析数据和视图。例如，Ganglia仪表板可以快速显示特定工作负载是否为磁盘瓶颈，网络瓶颈或CPU瓶颈。

2，操作系统分析工具（如dstat，iostat和iotop）可以在单个节点上提供细粒度的分析。

3，用于提供堆栈跟踪的JVM实用程序jstack ，用于创建堆视图的jmap，用于报告时间序列统计信息的jstat以及用于可视化浏览各种JVM属性的jconsole对于那些对JVM内部使用而言非常有用。