Управление заданиями PySpark

Статья создана

Yandex.Cloud

Создать задание
Получить список заданий
Получить общую информацию о задании
Получить логи выполнения задания

Создать задание

Консоль управления

CLI

API

Перейдите на страницу каталога и выберите сервис Data Proc.
Нажмите на имя нужного кластера и выберите вкладку Задания.
Нажмите кнопку Создать задание.
(Опционально) Укажите имя задания.
В поле Тип задания выберите PySpark.

В поле Main python файл укажите путь к основному PY-файлу приложения в формате:

Размещение файла	Формат пути
Файловая система инстанса	`file:///<путь к файлу>`
Распределенная файловая система кластера	`hdfs:///<путь к файлу>`
Бакет Object Storage	`s3a://<имя бакета>/<путь к файлу>`
Интернет	`http://<путь к файлу>` или `https://<путь к файлу>`

Допускается использование архивов стандартных для Linux форматов: zip, gz, xz, bz2 и т. д.

Сервисному аккаунту кластера необходим доступ на чтение ко всем файлам в бакете. Пошаговые инструкции по настройке доступа к Object Storage приведены в разделе Редактирование ACL бакета.

(Опционально) Укажите пути к PY-файлам, если они используются.
Укажите аргументы задания.

Если аргумент, переменная или свойство состоит из нескольких частей, разделенных пробелом, указывайте каждую часть отдельно. При этом важно сохранить порядок объявления аргументов, переменных и свойств.

Например, аргумент -mapper mapper.py должен быть преобразован в два аргумента -mapper и mapper.py, стоящих последовательно.
(Опционально) Укажите пути к JAR-файлам, если они используются.
(Опционально) Задайте дополнительные настройки:
- Укажите пути к необходимым файлам и архивам.
- Укажите свойства задания.
Нажмите кнопку Создать задание.

Если у вас еще нет интерфейса командной строки Yandex.Cloud, установите и инициализируйте его.

По умолчанию используется каталог, указанный в профиле CLI. Вы можете указать другой каталог с помощью параметра --folder-name или --folder-id.

Чтобы создать задание:

Посмотрите описание команды CLI для создания заданий типа PySpark:
```
yc dataproc job create-pyspark --help
```

Создайте задание (в примере приведены не все доступные параметры):

yc dataproc job create-pyspark \
   --cluster-name <имя кластера> \
   --name <имя задания> \
   --main-python-file-uri <путь к основному py-файлу приложения> \
   --python-file-uris <пути к дополнительным py-файлам> \
   --jar-file-uris <пути к jar-файлам> \
   --archive-uris <пути к архивам> \
   --properties <свойства задания> \
   --args <аргументы, передаваемые заданию> \
   --packages <Maven координаты jar-файлов в формате groupId:artifactId:version> \
   --repositories <дополнительные репозитории для поиска packages> \
   --exclude-packages <пакеты в формате groupId:artifactId, которые надо исключить>

Пути к необходимым для выполнения задания файлам передавайте в формате:

Размещение файла	Формат пути
Файловая система инстанса	`file:///<путь к файлу>`
Распределенная файловая система кластера	`hdfs:///<путь к файлу>`
Бакет Object Storage	`s3a://<имя бакета>/<путь к файлу>`
Интернет	`http://<путь к файлу>` или `https://<путь к файлу>`

Допускается использование архивов стандартных для Linux форматов: zip, gz, xz, bz2 и т. д.

Идентификатор и имя кластера можно получить со списком кластеров в каталоге.

Воспользуйтесь методом API create и передайте в запросе:

идентификатор кластера в параметре clusterId;
имя задания в параметре name;
свойства задания в параметре pysparkJob.

Идентификатор кластера можно получить со списком кластеров в каталоге.

Получить список заданий

Консоль управления

CLI

API

Перейдите на страницу каталога и выберите сервис Data Proc.
Нажмите на имя нужного кластера и выберите вкладку Задания.

Если у вас еще нет интерфейса командной строки Yandex.Cloud, установите и инициализируйте его.

Чтобы получить список заданий, выполните команду:

yc dataproc job list --cluster-name <имя кластера>

Идентификатор и имя кластера можно получить со списком кластеров в каталоге.

Воспользуйтесь методом API list и передайте идентификатор кластера в параметре clusterId запроса.

Идентификатор кластера можно получить со списком кластеров в каталоге.

Получить общую информацию о задании

Консоль управления

CLI

API

Перейдите на страницу каталога и выберите сервис Data Proc.
Нажмите на имя нужного кластера и выберите вкладку Задания.
Нажмите на имя нужного задания.

Если у вас еще нет интерфейса командной строки Yandex.Cloud, установите и инициализируйте его.

Для получения общей информации о задании выполните команду:

yc dataproc job get \
   --cluster-name <имя кластера> \
   --name <имя задания>

Идентификатор и имя кластера можно получить со списком кластеров в каталоге.

Воспользуйтесь методом API get и передайте в запросе:

Идентификатор кластера в параметре clusterId. Его можно получить со списком кластеров в каталоге.
Идентификатор задания в параметре jobId. Его можно получить со списком заданий в кластере.

Получить логи выполнения задания

Консоль управления

CLI

API

Перейдите на страницу каталога и выберите сервис Data Proc.
Нажмите на имя нужного кластера и выберите вкладку Задания.
Нажмите на имя нужного задания.

Если у вас еще нет интерфейса командной строки Yandex.Cloud, установите и инициализируйте его.

Чтобы получить логи выполнения задания, выполните команду:

yc dataproc job log \
   --cluster-name <имя кластера> \
   --name <имя задания>

Идентификатор и имя кластера можно получить со списком кластеров в каталоге.

Воспользуйтесь методом API listLog и передайте в запросе:

Идентификатор кластера в параметре clusterId. Его можно получить со списком кластеров в каталоге.
Идентификатор задания в параметре jobId. Его можно получить со списком заданий в кластере.

Управление заданиями PySpark

Создать задание

Получить список заданий

Получить общую информацию о задании

Получить логи выполнения задания

Была ли статья полезна?