石墨或grafana可以用来监控pyspark指标吗？

【问题标题】：can graphite or grafana used to monitor pyspark metrics?石墨或grafana可以用来监控pyspark指标吗？
【发布时间】：2021-03-15 03:42:08
【问题描述】：

在 pyspark 项目中，我们有 pyspark dataframe.foreachPartition(func) 并且在该 func 中我们有一些 aiohttp 调用来传输数据。可以使用哪种类型的监控工具来监控数据速率、吞吐量、经过时间等指标？在这种情况下我们可以使用 statsd 和石墨或 grafana（如果可能的话，它们是首选）？谢谢。

【问题讨论】：

标签： pyspark monitoring grafana graphite statsd

【解决方案1】：

这是我的解决方案。我使用 PySpark 的累加器在驱动节点的每个分区收集指标（http 调用次数、每次调用发送的有效负载等），将这些累加器的值分配给 statsDgauge 变量，并将这些指标发送到Graphite 服务器并最终在 Grafana 仪表板中将它们可视化。到目前为止效果很好。

【讨论】：

您找到从数据帧中提取计数的有效方法了吗？比如加载或保存的数量？
是的，就像我提到的那样，我使用 Spark 的累加器来累积每个分区（执行程序）的指标，然后在驱动程序节点我可以将这些累积的指标分配给 statsDgauge 变量。