如何查看Spark Streaming应用的逻辑和物理计划？

Question

我正在寻找一种在 Spark 中打印流式应用程序执行计划的方法。我知道可以print the plan of a SQL Spark application。但是，我想展示流应用程序的逻辑和物理计划。这是我的应用程序：

package org.sense.spark.app

import org.apache.spark.streaming.{Seconds, StreamingContext}
import org.apache.spark.{HashPartitioner, SparkConf}

object TestStreamCombineByKey {
  def main(args: Array[String]): Unit = {

    // Create a local StreamingContext with two working thread and batch interval of 1 second.
    // The master requires 2 cores to prevent from a starvation scenario.
    val conf = new SparkConf().setMaster("local[2]").setAppName("NetworkWordCount")
    val ssc = new StreamingContext(conf, Seconds(5))

    // Create a DStream that will connect to hostname:port, like localhost:9999
    val lines = ssc.socketTextStream("localhost", 9999)

    // Split each line into words
    val words = lines.flatMap(_.split(" "))

    // Count each word in each batch
    val pairs = words.map(word => (word, 1))
    // val wordCounts = pairs.reduceByKey(_ + _)
    val wordCounts = pairs.combineByKey(
      (v) => (v, 1), //createCombiner
      (acc: (Int, Int), v) => (acc._1 + v, acc._2 + 1), //mergeValue
      (acc1: (Int, Int), acc2: (Int, Int)) => (acc1._1 + acc2._1, acc1._2 + acc2._2), // mergeCombiners
      new HashPartitioner(3)
    )

    // Print the first ten elements of each RDD generated in this DStream to the console
    wordCounts.print()

    ssc.start() // Start the computation
    ssc.awaitTermination() // Wait for the computation to terminate
  }
}

Answer 1

使用UI（来自历史服务器）获得稍微不同的视角。

您在这里请求的是不可能的。为什么？您正在使用 "RDDs" 的 dStream。逻辑和物理计划仅适用于数据帧和数据集。

您需要使用 debugToString 并使用 spark-shell 并将其插入正确的代码位置。也就是说，据我所知，dStreams 需要编译并且不能只是运行在 spark-shell 中，所以我会将相关的非 dStream 代码粘贴到 spark-shell只有.

此外，这些都已弃用，我的建议是投资 Spark Structured Streaming。

如何查看Spark Streaming应用的逻辑和物理计划？

How to view the logical and physical plan of a Spark Streaming application?

scala

apache-spark

spark-streaming