Spark History Server 没有生效

Spark 提供了 Web UI 来对 Spark 应用进行监控。

每个 SparkContext 会启动一个 web UI，默认是在 4040 端口。它显示了应用相关的有用的信息，包括：

• 一系列的 scheduler stage 和 task
• RDD 大小和内存占用的概要
• 环境信息
• 正在运行的 executor 的一些信息

只要打开 http://:4040 就可以看到该页面。如果有多个 SparkContext 运行在同一个主机上，将会从端口 4040，4041， 4042 依次占用。

不过默认情况下，只在有应用运行期间这些信息才会存在。应用执行完毕，就无法查看了。如果想要在应用执行完毕后还能够查看 web UI，需要在启动应用前设置 spark.eventLog.enabled 为 true。这个选项会将 web UI 的信息进行持久化。

将以下信息写入到 etc/spark-defaults.conf ：

spark.eventLog.enabled truespark.eventLog.dir     file:/home/hadoop/data/spark/spark-logsspark.history.fs.logDirectory file:/home/hadoop/data/spark/spark-logs                          

需要注意的是：

• spark.eventLog.dir 与 spark.history.fs.logDirectory 两个选项的路径必须相同，否则无效。
• 设置的路径，比如例中的 /home/hadoop/data/spark/spark-logs ，无论是本地目录，还是 HDFS ，都需要先行创建好在启动应用，如果启动 Spark 时该目录不存在，会报错。

比如在 HDFS 中存储，hdfs dfs -mkdir /eventLog 在 HDFS 中创建目录，然后设置 spark-defaults.conf:

spark.eventLog.enabled truespark.eventLog.dir     hdfs://Master:9000/eventLogspark.history.fs.logDirectory hdfs://Master:9000/eventLog         

参考:

• Monitoring and Instrumentation
• https://hadoophard.wordpress.com/2016/09/07/spark-history-server-not-working/