前言

Spark作为计算引擎每天承载了大量的计算任务，为了监控集群的资源使用情况，对spark的监控也在所难免，Spark的监控有3个入口，1. Rest; 2.另一个是Metrics; 3. Log。

 

Rest

参考spark的rest接口文档

spark支持把每个计算实例的执行信息写到hdfs，然后通过historyserver或者自己去hdfs上找到文件解析出来。数据包括spark执行关键点，job，stage，task，数据种类上大致和MapReduce收集的内容差不多，主要是jvm，资源，shuffle，io这四个方面。

 

Metrics

默认情况spark不打开metrics，也就是没有metrics数据，可以看配置conf/metrics.properties，默认都是被注释掉的。Spark内置了多种metrics的sink方式，控制台，csv，slf4j等。

案例

打开基于控制台的metrics sink。如图1，将3个配置的注释去掉，将metrics信息每过10s打印到控制台上。如图2，spark会将内存信息，job调度信息以及其他一些信息打印出来。

图1

图2

 

Log

Spark在on yarn模式下，日志由yarn统一管理，一般情况，我们会选择把yarn的日志聚合功能打开，spark的日志也会跟着上传到hdfs上，这样自己去解析日志也会很容易。如果想要通过日志来监控spark任务执行情况，那么可能会需要业务层面的埋点，否则只能针对一些异常日常进行监测。

 

总结

Spark由于本身只是计算执行引擎，没有常驻进程（history server不算），所以在监控层面相对比较灵活，但是也有复杂的地方。当每天有成千上万个spark任务提交到集群执行的时候，那么需要监控的数据量就上来了，粒度越细，监控的压力越大。