除了查看ui上的统计来监控作业，还可以通过Spark提供的REST API来获取作业信息，并进行作业监控。REST API就给我们自己开发Spark的一些监控系统或平台提供了可能。REST API是通过http协议发送的，并给我们返回JSON格式的数据。因此无论你是用java，还是python，亦或是php，都可以获取Spark的监控信息。
运行中的作业以及history server中的历史作业，都可以获取到信息
- 如果是要获取运行中的作业的信息，可以通过http://host:4040/api/v1/...的方式来获取
- 如果是要获取历史作业的信息，可以通过http://host:18080/api/v1/...的方式来获取
比如说，http://192.168.0.103:18080/api/v1/applications，就可以获取到所有历史作业的基本信息
以下是所有API的说明
/applications,获取作业列表
/applications/[app-id]/jobs,指定作业的job列表
/applications/[app-id]/jobs/[job-id],指定job的信息
/applications/[app-id]/stages,指定作业的stage列表
/applications/[app-id]/stages/[stage-id],指定stage的所有attempt列表
/applications/[app-id]/stages/[stage-id]/[stage-attempt-id],指定stage attempt的信息
/applications/[app-id]/stages/[stage-id]/[stage-attempt-id]/taskSummary,指定stage attempt所有task的metrics统计信息
/applications/[app-id]/stages/[stage-id]/[stage-attempt-id]/taskList,指定stage attempt的task列表
/applications/[app-id]/executors,指定作业的executor列表
/applications/[app-id]/storage/rdd,指定作业的持久化rdd列表
/applications/[app-id]/storage/rdd/[rdd-id],指定持久化rdd的信息
/applications/[app-id]/logs,下载指定作业的所有日志的压缩包
/applications/[app-id]/[attempt-id]/logs,下载指定作业的某次attempt的所有日志的压缩包
当作业运行在yarn中时，每个作业都可能会尝试多次运行，所以上述的所有[app-id]都必须替换为[app-id]/[attempt-id]
这些API都非常便于让我们去基于它们开发各种监控系统或应用。特别是，spark保证以下几点:
- API永远不会因为版本的变更而更改
- JSON中的字段用于不会被移除
- 新的API接口可能会被增加
- 已有API接口中可能会增加新的字段
- API的新版本可能会作为新接口被添加进来。新版本的接口不要求向后兼容。
- API版本可能会被删除掉，但是肯定是在一个相关的新API版本发布之后。
要注意的是，当查看运行中作业的UI时，applications/[app-id]还是需要提供的，尽管此时在那个4040端口上可能只有一个
作业在运行。比如说，要查看正在运行的作业的job列表，可能需要使用以下API: http://host:4040/api/v1/applications/[app-id]/jobs
这主要是为了尽可能地复用API接口
实验
- 安装curl工具，来发送http请求: yum install -y curl
- 试一试以上的几个API，去获取standalone模式和yarn模式运行中的作业，以及历史作业的信息
网友评论