Spark有一套可配置的metrics系统，是基于Coda Hale Metrics类库实现的。该metrics系统允许用户将Spark的metrics统计指标上报到多种目标源（sink）中，包括http，jmx和csv文件。这个metrics系统是通过一个配置文件进行配置的，在$SPARK_HOME目录的conf目录下，用一个metrics.properties文件来配置。可以通过在spark-defaults.conf中配置spark.metrics.conf属性来配置自定义的文件路径。spark metrics依据不同的spark组件划分为了不同的实例。在每一个实例中，你都可以配置一系列的sink来指定该实例的metrics要上报到哪里去。
支持的实例
以下实例是目前被支持的
- master
spark standalone master进程 - applications
master中的组件，可以上报所有application的metrics - worker
spark standalone worker进程 - executor
spark executor进程 - driver
spark driver进程
支持的sink
每个实例都可以上报metrics到0个或多个sink中。sink被包含在了org.apache.spark.metrics.sink包下。
- ConsoleSink
日志metrics，打印到控制台 - CSVSink
以固定的频率将metrics数据导出到CSV文件中 - JmxSink
注册metrics到JMX console中 - MetricsServlet
在Spark UI中添加一个servlet来通过JSON数据提供metrics数据（之前的REST API就是通过该方式进行的） - Slf4jSink
以日志的形式发送metrics到slf4j - GraphiteSink
发送metrics到Graphite节点 - GangliaSink
发送metrics到Ganglia节点。
Spark也支持Ganglia sink，但是没有包含在默认的打包内，因为有版权的问题。
要安装GangliaSink，就需要自己编译一个spark。要注意，必须要提供必要的授权信息。
metrics系统的意义
- metrics只能在spark web ui上看到，或者是history server上看历史作业的web ui。
- 如果你希望将metrics数据，结构化处理以后导入到，比如mysql里面，然后进行一个存储，开发一个系统对外开放
- spark集群运行分析系统
- 自定义metrics sink，将所有的metrics全部写入外部的你指定的存储文件中，然后定时导入到你的mysql中
实验
自定义metrics sink
- 停止集群
- 配置spark.metrics.conf文件，启用CSVSink
- 重启集群
- 运行一个作业，查看指定目录下的csv文件
网友评论