如何使用AirFlow提取使用Apache Livy批处理POST方法提交的Spark作业客户端日志 [英] How to pull Spark jobs client logs submitted using Apache Livy batches POST method using AirFlow

问题描述

我正在使用Apache Livy批处理POST方法提交Spark作业。

此HTTP请求是使用AirFlow发送的。提交作业后，我正在使用批处理ID跟踪状态。 Livy /资源管理器。

使用Apache Livy REST API可以做到吗？

解决方案

Livy有一个端点来获取日志 / sessions / {sessionId} / log & / batches / {batchId} / log 。

文档：

• https ：//livy.incubator.apache.org/docs/latest/rest-api.html#get-sessionssessionidlog


• https://livy.incubator.apache.org/docs/latest/rest-api.html#get -batchesbatchidlog

您可以创建如下所示的python函数来获取日志：

  http = HttpHook（ GET，http_conn_id = http_conn_id）
 
 def _http_rest_call（自身，方法，终结点，数据=无，标头=无，extra_options =无）：
（如果没有）extra_options：
 extra_options = {} 
 
 self.http.method =方法
响应= http.run（端点，json.dumps（数据），标头，extra_options = extra_options）
 
返回响应
 
 
 def _get_batch_session_logs（self，batch_id）：
 method = GET 
端点=批处理/ + str（batch_id）+ / log 
响应= self._http_rest_call（方法=方法，端点=端点）
＃返回response.json（）
返回响应
  

I am working on submitting Spark job using Apache Livy batches POST method.

This HTTP request is send using AirFlow. After submitting job, I am tracking status using batch Id.

I want to show driver ( client logs) logs on Air Flow logs to avoid going to multiple places AirFLow and Apache Livy/Resource Manager.

Is this possible to do using Apache Livy REST API?

解决方案

Livy has an endpoint to get logs /sessions/{sessionId}/log & /batches/{batchId}/log.

Documentation:

• https://livy.incubator.apache.org/docs/latest/rest-api.html#get-sessionssessionidlog
• https://livy.incubator.apache.org/docs/latest/rest-api.html#get-batchesbatchidlog

You can create python functions like the one shown below to get logs:

http = HttpHook("GET", http_conn_id=http_conn_id)

def _http_rest_call(self, method, endpoint, data=None, headers=None, extra_options=None):
    if not extra_options:
        extra_options = {}

    self.http.method = method
    response = http.run(endpoint, json.dumps(data), headers, extra_options=extra_options)

    return response


def _get_batch_session_logs(self, batch_id):
    method = "GET"
    endpoint = "batches/" + str(batch_id) + "/log"
    response = self._http_rest_call(method=method, endpoint=endpoint)
    # return response.json()
    return response

这篇关于如何使用AirFlow提取使用Apache Livy批处理POST方法提交的Spark作业客户端日志的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！