170

我使用 AWS EC2 指南安装了 Spark，我可以使用bin/pyspark脚本很好地启动程序以获取 spark 提示，还可以成功完成快速入门。

但是，我一生都无法弄清楚如何INFO在每个命令之后停止所有详细的日志记录。

我已经尝试了以下代码中几乎所有可能的场景（注释掉，设置为 OFF） ，在我启动应用程序的文件夹中log4j.properties的conf文件中以及在每个节点上，并且什么都没有做任何事情。执行每个语句后，我仍然会INFO打印日志记录语句。

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

这是我使用时的完整类路径SPARK_PRINT_LAUNCH_COMMAND：

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

内容spark-env.sh：

#!/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"
4

16 回答 16

178

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。

于 2014-09-30T14:36:29.647 回答
61

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spark会话已经可用。

于 2016-11-09T10:07:50.180 回答
57

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。

于 2015-08-25T15:46:47.220 回答
37

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。

于 2015-01-07T08:44:50.887 回答
32 
>>> log4j = sc._jvm.org.apache.log4j
>>> log4j.LogManager.getRootLogger().setLevel(log4j.Level.ERROR)
于 2015-12-28T05:09:40.663 回答
31

对于 PySpark，您还可以使用sc.setLogLevel("FATAL"). 从文档：

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

于 2016-04-26T23:52:36.297 回答
16

您可以使用 setLogLevel

val spark = SparkSession
      .builder()
      .config("spark.master", "local[1]")
      .appName("TestLog")
      .getOrCreate()

spark.sparkContext.setLogLevel("WARN")
于 2018-10-26T11:55:57.013 回答
14

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文件在类路径上出现在 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

where/root/ephemeral-hdfs/conf位于类路径的开头。

我已经打开了一个问题 [SPARK-2913]以在下一个版本中解决这个问题（我应该很快就会有一个补丁）。

与此同时，这里有几个解决方法：

  • 添加export SPARK_SUBMIT_CLASSPATH="$FWDIR/conf"到spark-env.sh.
  • 删除（或重命名）/root/ephemeral-hdfs/conf/log4j.properties。
于 2014-08-08T00:11:41.663 回答
10

程序化方式

spark.sparkContext.setLogLevel("WARN")

可用选项

ERROR
WARN 
INFO
于 2019-07-08T16:14:22.560 回答
10

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！

于 2018-07-27T08:44:23.970 回答
9

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 目录中重命名conf/log4j.properties.template为。conf/log4j.properties

在 中log4j.properties，更改log4j.rootCategory=INFO, console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）
于 2018-03-18T10:51:35.170 回答
6

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/
于 2015-03-04T15:49:26.183 回答
2

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（安装 spark 的位置）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。

于 2019-05-10T23:19:07.237 回答
1

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

更改INFO为您想要的日志记录级别，然后运行您的spark-submit

于 2016-04-28T22:24:51.197 回答
0

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')
于 2016-05-03T14:43:11.533 回答
0

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)
于 2021-06-12T11:32:28.553 回答