我使用 AWS EC2 指南安装了 Spark,我可以使用 bin/pyspark
脚本启动程序以进入 spark 提示符,并且还可以成功完成快速入门。
但是,我一生都无法弄清楚如何在每个命令之后停止所有详细的 INFO
日志记录。
我在 conf
文件夹中的 log4j.properties
文件中尝试了以下代码中几乎所有可能的场景(注释掉,设置为 OFF),在该文件夹中,我从每个节点以及每个节点上启动应用程序,但没有任何操作。在执行每个语句后,我仍然会打印日志记录 INFO
语句。
我对这应该如何工作感到非常困惑。
#Set everything to be logged to the console log4j.rootCategory=INFO, console
log4j.appender.console=org.apache.log4j.ConsoleAppender
log4j.appender.console.target=System.err
log4j.appender.console.layout=org.apache.log4j.PatternLayout
log4j.appender.console.layout.ConversionPattern=%d{yy/MM/dd HH:mm:ss} %p %c{1}: %m%n
# Settings to quiet third party logs that are too verbose
log4j.logger.org.eclipse.jetty=WARN
log4j.logger.org.apache.spark.repl.SparkIMain$exprTyper=INFO
log4j.logger.org.apache.spark.repl.SparkILoop$SparkILoopInterpreter=INFO
这是我使用 SPARK_PRINT_LAUNCH_COMMAND
时的完整类路径:
火花命令:/Library/Java/JavaVirtualMachines/jdk1.8.0_05.jdk/Contents/Home/bin/java -cp :/root/spark-1.0.1-bin-hadoop2/conf:/root/spark-1.0.1 -bin-hadoop2/conf:/root/spark-1.0.1-bin-hadoop2/lib/spark-assembly-1.0.1-hadoop2.2.0.jar:/root/spark-1.0.1-bin-hadoop2/lib /datanucleus-api-jdo-3.2.1.jar:/root/spark-1.0.1-bin-hadoop2/lib/datanucleus-core-3.2.2.jar:/root/spark-1.0.1-bin-hadoop2 /lib/datanucleus-rdbms-3.2.1.jar -XX:MaxPermSize=128m -Djava.library.path= -Xms512m -Xmx512m org.apache.spark.deploy.SparkSubmit spark-shell --class org.apache.spark。 repl.Main
spark-env.sh
的内容:
#!/usr/bin/env bash
# This file is sourced when running various Spark programs.
# Copy it as spark-env.sh and edit that to configure Spark for your site.
# Options read when launching programs locally with
# ./bin/run-example or ./bin/spark-submit
# - HADOOP_CONF_DIR, to point Spark towards Hadoop configuration files
# - SPARK_LOCAL_IP, to set the IP address Spark binds to on this node
# - SPARK_PUBLIC_DNS, to set the public dns name of the driver program
# - SPARK_CLASSPATH=/root/spark-1.0.1-bin-hadoop2/conf/
# Options read by executors and drivers running inside the cluster
# - SPARK_LOCAL_IP, to set the IP address Spark binds to on this node
# - SPARK_PUBLIC_DNS, to set the public DNS name of the driver program
# - SPARK_CLASSPATH, default classpath entries to append
# - SPARK_LOCAL_DIRS, storage directories to use on this node for shuffle and RDD data
# - MESOS_NATIVE_LIBRARY, to point to your libmesos.so if you use Mesos
# Options read in YARN client mode
# - HADOOP_CONF_DIR, to point Spark towards Hadoop configuration files
# - SPARK_EXECUTOR_INSTANCES, Number of workers to start (Default: 2)
# - SPARK_EXECUTOR_CORES, Number of cores for the workers (Default: 1).
# - SPARK_EXECUTOR_MEMORY, Memory per Worker (e.g. 1000M, 2G) (Default: 1G)
# - SPARK_DRIVER_MEMORY, Memory for Master (e.g. 1000M, 2G) (Default: 512 Mb)
# - SPARK_YARN_APP_NAME, The name of your application (Default: Spark)
# - SPARK_YARN_QUEUE, The hadoop queue to use for allocation requests (Default: ‘default’)
# - SPARK_YARN_DIST_FILES, Comma separated list of files to be distributed with the job.
# - SPARK_YARN_DIST_ARCHIVES, Comma separated list of archives to be distributed with the job.
# Options for the daemons used in the standalone deploy mode:
# - SPARK_MASTER_IP, to bind the master to a different IP address or hostname
# - SPARK_MASTER_PORT / SPARK_MASTER_WEBUI_PORT, to use non-default ports for the master
# - SPARK_MASTER_OPTS, to set config properties only for the master (e.g. "-Dx=y")
# - SPARK_WORKER_CORES, to set the number of cores to use on this machine
# - SPARK_WORKER_MEMORY, to set how much total memory workers have to give executors (e.g. 1000m, 2g)
# - SPARK_WORKER_PORT / SPARK_WORKER_WEBUI_PORT, to use non-default ports for the worker
# - SPARK_WORKER_INSTANCES, to set the number of worker processes per node
# - SPARK_WORKER_DIR, to set the working directory of worker processes
# - SPARK_WORKER_OPTS, to set config properties only for the worker (e.g. "-Dx=y")
# - SPARK_HISTORY_OPTS, to set config properties only for the history server (e.g. "-Dx=y")
# - SPARK_DAEMON_JAVA_OPTS, to set config properties for all daemons (e.g. "-Dx=y")
# - SPARK_PUBLIC_DNS, to set the public dns name of the master or workers
export SPARK_SUBMIT_CLASSPATH="$FWDIR/conf"
只需在 spark 目录中执行此命令:
cp conf/log4j.properties.template conf/log4j.properties
编辑 log4j.properties:
# Set everything to be logged to the console
log4j.rootCategory=INFO, console
log4j.appender.console=org.apache.log4j.ConsoleAppender
log4j.appender.console.target=System.err
log4j.appender.console.layout=org.apache.log4j.PatternLayout
log4j.appender.console.layout.ConversionPattern=%d{yy/MM/dd HH:mm:ss} %p %c{1}: %m%n
# Settings to quiet third party logs that are too verbose
log4j.logger.org.eclipse.jetty=WARN
log4j.logger.org.eclipse.jetty.util.component.AbstractLifeCycle=ERROR
log4j.logger.org.apache.spark.repl.SparkIMain$exprTyper=INFO
log4j.logger.org.apache.spark.repl.SparkILoop$SparkILoopInterpreter=INFO
在第一行替换:
log4j.rootCategory=INFO, console
经过:
log4j.rootCategory=WARN, console
保存并重新启动您的外壳。它适用于 OS X 上的 Spark 1.1.0 和 Spark 1.5.1。
在 Spark 2.0 中,您还可以使用 setLogLevel 为您的应用程序动态配置它:
from pyspark.sql import SparkSession
spark = SparkSession.builder.\
master('local').\
appName('foo').\
getOrCreate()
spark.sparkContext.setLogLevel('WARN')
在 pyspark 控制台中,默认的 spark
会话已经可用。
log4j
的 PySpark 工作的解决方案。
受我所做的 pyspark/tests.py 的启发
def quiet_logs(sc):
logger = sc._jvm.org.apache.log4j
logger.LogManager.getLogger("org"). setLevel( logger.Level.ERROR )
logger.LogManager.getLogger("akka").setLevel( logger.Level.ERROR )
在创建 SparkContext 之后调用它会将我的测试记录的 stderr 行从 2647 减少到 163。但是创建 SparkContext 本身会记录 163,最多
15/08/25 10:14:16 INFO SparkDeploySchedulerBackend: SchedulerBackend is ready for scheduling beginning after reached minRegisteredResourcesRatio: 0.0
我不清楚如何以编程方式调整这些。
编辑您的 conf/log4j.properties 文件并更改以下行:
log4j.rootCategory=INFO, console
至
log4j.rootCategory=ERROR, console
另一种方法是:
启动 spark-shell 并输入以下内容:
import org.apache.log4j.Logger
import org.apache.log4j.Level
Logger.getLogger("org").setLevel(Level.OFF)
Logger.getLogger("akka").setLevel(Level.OFF)
之后您将看不到任何日志。
>>> log4j = sc._jvm.org.apache.log4j
>>> log4j.LogManager.getRootLogger().setLevel(log4j.Level.ERROR)
对于 PySpark,您还可以使用 sc.setLogLevel("FATAL")
在脚本中设置日志级别。从 docs:
控制我们的 logLevel。这会覆盖任何用户定义的日志设置。有效的日志级别包括:ALL、DEBUG、ERROR、FATAL、INFO、OFF、TRACE、WARN
您可以使用 setLogLevel
val spark = SparkSession
.builder()
.config("spark.master", "local[1]")
.appName("TestLog")
.getOrCreate()
spark.sparkContext.setLogLevel("WARN")
这可能是由于 Spark 计算其类路径的方式。我的预感是 Hadoop 的 log4j.properties
文件出现在类路径上 Spark 的前面,从而阻止您的更改生效。
如果你跑
SPARK_PRINT_LAUNCH_COMMAND=1 bin/spark-shell
然后 Spark 将打印用于启动 shell 的完整类路径;就我而言,我看到
Spark Command: /usr/lib/jvm/java/bin/java -cp :::/root/ephemeral-hdfs/conf:/root/spark/conf:/root/spark/lib/spark-assembly-1.0.0-hadoop1.0.4.jar:/root/spark/lib/datanucleus-api-jdo-3.2.1.jar:/root/spark/lib/datanucleus-core-3.2.2.jar:/root/spark/lib/datanucleus-rdbms-3.2.1.jar -XX:MaxPermSize=128m -Djava.library.path=:/root/ephemeral-hdfs/lib/native/ -Xms512m -Xmx512m org.apache.spark.deploy.SparkSubmit spark-shell --class org.apache.spark.repl.Main
其中 /root/ephemeral-hdfs/conf
位于类路径的开头。
我已打开 an issue [SPARK-2913] 以在下一个版本中解决此问题(我应该很快就会发布补丁)。
与此同时,这里有几个解决方法:
将 export SPARK_SUBMIT_CLASSPATH="$FWDIR/conf" 添加到 spark-env.sh。
删除(或重命名)/root/ephemeral-hdfs/conf/log4j.properties。
只需将以下参数添加到您的 spark-submit 命令
--conf "spark.driver.extraJavaOptions=-Dlog4jspark.root.logger=WARN,console"
这仅临时覆盖该作业的系统值。从 log4j.properties 文件中检查确切的属性名称(此处为 log4jspark.root.logger)。
希望这会有所帮助,干杯!
--conf spark.driver.extraJavaOptions='-Dlog4j.configuration=file:/home/foobar/log4j.properties
hadoop.root.logger
完美运行:--conf "spark.driver.extraJavaOptions=-Dhadoop.root.logger=WARN,console"
火花 1.6.2:
log4j = sc._jvm.org.apache.log4j
log4j.LogManager.getRootLogger().setLevel(log4j.Level.ERROR)
火花 2.x:
spark.sparkContext.setLogLevel('WARN')
(火花是 SparkSession)
或者旧方法,
在 Spark 目录中将 conf/log4j.properties.template
重命名为 conf/log4j.properties
。
在 log4j.properties
中,将 log4j.rootCategory=INFO, console
更改为 log4j.rootCategory=WARN, console
可用的不同日志级别:
关闭(最具体,不记录)
致命的(最具体的,很少的数据)
ERROR - 仅在出现错误时记录
WARN - 仅在出现警告或错误时记录
信息(默认)
调试 - 记录详细信息步骤(以及上述所有日志)
TRACE(最不具体,大量数据)
ALL(最不具体,所有数据)
程序化方式
spark.sparkContext.setLogLevel("WARN")
可用选项
ERROR
WARN
INFO
我将它与具有 1 个主设备和 2 个从设备以及 Spark 1.2.1 的 Amazon EC2 一起使用。
# Step 1. Change config file on the master node
nano /root/ephemeral-hdfs/conf/log4j.properties
# Before
hadoop.root.logger=INFO,console
# After
hadoop.root.logger=WARN,console
# Step 2. Replicate this change to slaves
~/spark-ec2/copy-dir /root/ephemeral-hdfs/conf/
scala 用户的以下代码片段:
选项1 :
您可以在文件级别添加以下代码段
import org.apache.log4j.{Level, Logger}
Logger.getLogger("org").setLevel(Level.WARN)
选项 2:
注意:这将适用于所有使用 spark 会话的应用程序。
import org.apache.spark.sql.SparkSession
private[this] implicit val spark = SparkSession.builder().master("local[*]").getOrCreate()
spark.sparkContext.setLogLevel("WARN")
选项 3:
注意:此配置应添加到您的 log4j.properties 中。(可能类似于 /etc/spark/conf/log4j.properties(火花安装在那里)或您的项目文件夹级别 log4j.properties),因为您正在更改模块级。这将适用于所有应用程序。
log4j.rootCategory=ERROR, console
恕我直言,选项 1 是明智的方法,因为它可以在文件级别关闭。
我这样做的方式是:
在我运行 spark-submit
脚本的位置
$ cp /etc/spark/conf/log4j.properties .
$ nano log4j.properties
将 INFO
更改为您想要的日志记录级别,然后运行您的 spark-submit
cp /etc/spark/conf/log4j.properties.template .
如果您想继续使用日志记录(Python 的日志记录工具),您可以尝试为您的应用程序和 Spark 拆分配置:
LoggerManager()
logger = logging.getLogger(__name__)
loggerSpark = logging.getLogger('py4j')
loggerSpark.setLevel('WARNING')
您也可以像这样以编程方式设置它,在程序的开头。
Logger.getLogger("org").setLevel(Level.WARN)
不定期副业成功案例分享