Meetup: Cómo monitorizar y optimizar procesos de Spark usando la Spark Web - 28 de Marzo 2017
•
1 gostou•627 visualizações
Apache Spark ya es una realidad en el mundo de la informática y ahora necesitamos no sólo saber de lo que la tecnología es capaz, necesitamos hacerlo productivo. Para ello necesitamos saber cómo poder auditar cada uno de sus procesos de una manera sencilla y sin necesidad de conocimientos destacados de esta tecnología. Jorge López-Malla muestra qué herramientas proporciona el propio framework de Apache Spark para poder monitorizar el rendimiento de los algoritmos y cómo sacarle partido para mejorar los jobs de Apache Spark, tanto streaming como batch, y ver qué magia hace SparkSQL cuando se quiere hacer un simple join.
Recomendados
Recomendados
Mais conteúdo relacionado
Semelhante a Meetup: Cómo monitorizar y optimizar procesos de Spark usando la Spark Web - 28 de Marzo 2017
Semelhante a Meetup: Cómo monitorizar y optimizar procesos de Spark usando la Spark Web - 28 de Marzo 2017 (20)
Mais de Stratio
Mais de Stratio (20)
Último
Último (13)
Meetup: Cómo monitorizar y optimizar procesos de Spark usando la Spark Web - 28 de Marzo 2017
- 1. Como optimizar y monitorizar trabajos de Spark con la Spark Web Marzo 2017 Spark meetup
- 2. Presentación Presentación JORGE LÓPEZ-MALLA @jorgelopezmalla Después de unos años trabajando en proyectos con tecnologías tradicionales empecé a trabajar con Big en I+D y desde entonces me enamoré de este mundo. Tras trabajar en diversos proyectos usando Spark como tecnologia base estoy a cargo de las modifcaciones de Spark para la plataforma Stratio SKILLS
- 3. La empresa Presentación Stratio acompaña a las empresas en su viaje hacia la Transformación Digital. Mediante el trabajo duro y la creatividad, nuestra meta es reinventar a las empresa alrededor de sus datos para que así estas puedan competir en este nuevo mundo digital. Nuestra solución es un producto de transformación que utiliza tecnologías Big Data de tercera generación para ejecutar la forma más completa de Transformación Digital, garantizando escalabilidad, flexibilidad máxima y adaptación a nuevos mercados. Si tenéis alguna pregunta o quereis a una demostración en vivo de nuestro producto, contactar con: contact@stratio.com
- 5. Lanzamiento de un trabajo de Spark ¿Cóm funciona Spark? Driver HDFS scala> sc.textFile(“tweets.txt”) .flatMap(_.split(“ ”)) .filter(_.startsWith(”#”) .map(tweet => (tweet,1)) .reduceByKey(_+_).collect
- 6. Terminología ¿Cóm funciona Spark? Worker Cada una de las máquinas esclavas de un cluster de Spark. Estos contienen a los Executor. Su número se define a nivel de Cluster de Spark Executor Se encargará de ejecutar las Application de Spark. Se ejecutan dentro de los Worker. Se definen a nivel de Application.(Spark siempre considera el Driver como un Executor)
- 7. Terminología ¿Cóm funciona Spark? Application Cada uno de los Main’s en los que se crean SparkContext que usaremos para lanzar jobs de Spark. Dentro de cada Application se lanzará uno o varios Job(Ej: Spark-shell) Job Son los trabajos de Spark, todos terminan en una Acción. El DAG genera su longitud y está compuesto por distintos Stages.(Ej: salvar a fichero de texto/contar registros de un rdd)
- 8. Terminología ¿Cóm funciona Spark? Stage Cada una de las partes en las que separa un Job el DAG, básicamente es todo lo que se puede hacer en una sóla Partition sin necesidad de hacer Shuffle. Cada Stage tiene varios Task Task Cada una de las tareas en las que se divide un Stage. Se realizarán tantos Tasks como particiones haya en cada operación de un stage.
- 9. Terminología ¿Cóm funciona Spark? Partition Cada una de las partes en las que separa un RDD, contienen toda la información necesaria para que un Executor pueda ejecutar cada una de las Task
- 10. ¿En que nos puede ayudar una web de Spark? ¿Cóm funciona Spark? ● Nos ayuda a optimizar nuestro DAG. ● Los métodos ejecutados en los Task son transparentes para la Web. ● Tiene información de lo que entra y lo que sale no de lo que se hace dentro. ● Para Spark Streaming es el único punto de información “amigable”. ● Tiene información de todo el entorno. ● Almacena información de lo cacheado. ● Es independiente de ResourceManager*
- 14. Consultar el pasado ¿Cóm funciona Spark?
- 15. Spark jobs y la web 2
- 16. Introducción ¿Cóm funciona Spark? ● La web se agrupa por application. ● Podemos consultar información a varios niveles. ● No sólo es útil la información de los jobs. ● Nos permite llegar a todos los logs cuando se está ejecutando la aplicación.
- 17. Application Spark Batch y la web
- 18. Job Spark Batch y la web
- 19. Stage Spark Batch y la web
- 20. Stage Spark Batch y la web
- 21. Cache Spark Batch y la web
- 22. Contadores Spark Batch y la web
- 23. Conclusiones Spark Batch y la web ● Siempre controla el nivel de Shuffle de escritura y lectura. ● Controlar el tiempo de tarea ○ CONTROLAR EL EFECTO SE HA QUEDADO EN LA ÚLTIMA TAREA(nunca es la última) ● Ver el número de tareas por Stage (usar operaciones Values) ● Usa contadores para monitorizar tu trabajo (y arriesgate a que fallen en las transformaciones). ● Nombra a los RDD y asi podrás seguirlos.
- 24. SparkSQL y la web 3
- 25. Introducción Spark SQL y la web ● SparkSQL es uno de los módulos más importantes de Spark ● Posee un apartado propio dentro de la web ● Nos permite hacer cosas muy importantes de una manera “transparente” para el usuario ● Hace muchas operaciones sin que el usuario lo sepa. ● ¡La web nos permite ver parte de esos secretos!
- 26. SparkSQL logical plan Spark SQL y la web
- 27. SparkSQL y stage web Spark SQL y la web
- 28. SparkSQL y stage web Spark SQL y la web
- 29. Conclusiones Spark Batch y la web ● Hay que usar SQL siempre que se pueda porque facilita el trabajo ● Estudiar primero el comportamiento de los datasource y operaciones antes de usarlo ● Consultar el logical plan
- 30. Spark streaming y la web 4
- 31. Introducción Spark streaming y la web ● La web cobra especial importancia en Streaming ● Es el punto de consulta más amigable para la monitorización de nuestros trabajos ● Una vez más: no sólo es útil la información de los jobs.
- 32. ¿Cómo funciona Spark Streaming? Spark streaming y la web Kafka RDD1 RDD2 RDD3 RDD4 RDD5 RDD1 RDD2 RDD3 RDD4
- 33. Streaming Job web Spark streaming y la web
- 34. Streaming Job web Spark streaming y la web
- 35. Streaming Job web Spark streaming y la web
- 36. Streaming Job stages Spark streaming y la web
- 37. Streaming inputDStream Spark streaming y la web
- 38. Conclusiones Spark Streaming y la web ● La spark web gana una importancial trancendental en los jobs de Streaming ● Si es importante para monitorizar un trabajo, ¡mucho más para uno por segundo! ● Tambien nos permite consultar datos de nuestros InputDstream ● Métricas de delays.
- 39. Ruegos y preguntas Ruegos y preguntas
- 41. ¡Esto es todo amigos! MUCHAS GRACIAS Y ANIMAROS A COMPARTIR CONOCIMIENTO