gpt4 book ai didi

google-cloud-dataproc - 如何在 PySpark 作业中检索 Dataproc 的 jobId

转载 作者:行者123 更新时间:2023-12-02 08:21:51 33 4
gpt4 key购买 nike

我运行多个批处理作业,我想将 dataproc 中的 jobId 引用到保存的输出文件中。

这将允许所有参数日志和与结果相关的输出。缺点仍然存在:随着 YARN 中的执行器消失,无法再获取单个执行器的日志。

最佳答案

Google dataproc 的上下文通过使用标签传递到 Spark 作业中。因此,所有合适的信息都存在于 SparkConfig 中并且可以访问:

pyspark.SparkConf().get("spark.yarn.application.tags", "unknown")
pyspark.SparkConf().get("spark.yarn.tags", "unknown")

输出如下所示:

dataproc_job_3f4025a0-bce1-a254-9ddc-518a4d8b2f3d

然后可以将该信息分配给我们的导出文件夹,并使用 Dataproc 引用保存输出:

df.select("*").write. \
format('com.databricks.spark.csv').options(header='true') \
.save(export_folder)

关于google-cloud-dataproc - 如何在 PySpark 作业中检索 Dataproc 的 jobId,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/36527049/

33 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com