如何关闭 Spark 中的 INFO 日志记录？

Question

我使用 AWS EC2 指南安装了 Spark，我可以使用bin/pyspark脚本很好地启动程序以进入 spark 提示，也可以成功执行快速入门指南。

但是，我终生无法弄清楚如何在每个命令之后停止所有详细的INFO日志记录。

我在conf文件夹中的log4j.properties文件中的以下代码（注释掉，设置为 OFF）中尝试了几乎所有可能的场景，我从中启动应用程序以及在每个节点上都没有做任何事情。 在执行每个语句后，我仍然会打印日志INFO语句。

我对这应该如何工作感到非常困惑。

#Set everything to be logged to the console log4j.rootCategory=INFO, console                                                                        
log4j.appender.console=org.apache.log4j.ConsoleAppender 
log4j.appender.console.target=System.err     
log4j.appender.console.layout=org.apache.log4j.PatternLayout 
log4j.appender.console.layout.ConversionPattern=%d{yy/MM/dd HH:mm:ss} %p %c{1}: %m%n

# Settings to quiet third party logs that are too verbose
log4j.logger.org.eclipse.jetty=WARN
log4j.logger.org.apache.spark.repl.SparkIMain$exprTyper=INFO
log4j.logger.org.apache.spark.repl.SparkILoop$SparkILoopInterpreter=INFO

这是我使用SPARK_PRINT_LAUNCH_COMMAND时的完整类路径：

Spark 命令：/Library/Java/JavaVirtualMachines/jdk1.8.0_05.jdk/Contents/Home/bin/java -cp :/root/spark-1.0.1-bin-hadoop2/conf:/root/spark-1.0.1 -bin-hadoop2/conf:/root/spark-1.0.1-bin-hadoop2/lib/spark-assembly-1.0.1-hadoop2.2.0.jar:/root/spark-1.0.1-bin-hadoop2/lib /datanucleus-api-jdo-3.2.1.jar:/root/spark-1.0.1-bin-hadoop2/lib/datanucleus-core-3.2.2.jar:/root/spark-1.0.1-bin-hadoop2 /lib/datanucleus-rdbms-3.2.1.jar -XX:MaxPermSize=128m -Djava.library.path= -Xms512m -Xmx512m org.apache.spark.deploy.SparkSubmit spark-shell --class org.apache.spark。主副本

spark-env.sh内容：

#!/usr/bin/env bash

# This file is sourced when running various Spark programs.
# Copy it as spark-env.sh and edit that to configure Spark for your site.

# Options read when launching programs locally with 
# ./bin/run-example or ./bin/spark-submit
# - HADOOP_CONF_DIR, to point Spark towards Hadoop configuration files
# - SPARK_LOCAL_IP, to set the IP address Spark binds to on this node
# - SPARK_PUBLIC_DNS, to set the public dns name of the driver program
# - SPARK_CLASSPATH=/root/spark-1.0.1-bin-hadoop2/conf/

# Options read by executors and drivers running inside the cluster
# - SPARK_LOCAL_IP, to set the IP address Spark binds to on this node
# - SPARK_PUBLIC_DNS, to set the public DNS name of the driver program
# - SPARK_CLASSPATH, default classpath entries to append
# - SPARK_LOCAL_DIRS, storage directories to use on this node for shuffle and RDD data
# - MESOS_NATIVE_LIBRARY, to point to your libmesos.so if you use Mesos

# Options read in YARN client mode
# - HADOOP_CONF_DIR, to point Spark towards Hadoop configuration files
# - SPARK_EXECUTOR_INSTANCES, Number of workers to start (Default: 2)
# - SPARK_EXECUTOR_CORES, Number of cores for the workers (Default: 1).
# - SPARK_EXECUTOR_MEMORY, Memory per Worker (e.g. 1000M, 2G) (Default: 1G)
# - SPARK_DRIVER_MEMORY, Memory for Master (e.g. 1000M, 2G) (Default: 512 Mb)
# - SPARK_YARN_APP_NAME, The name of your application (Default: Spark)
# - SPARK_YARN_QUEUE, The hadoop queue to use for allocation requests (Default: ‘default’)
# - SPARK_YARN_DIST_FILES, Comma separated list of files to be distributed with the job.
# - SPARK_YARN_DIST_ARCHIVES, Comma separated list of archives to be distributed with the job.

# Options for the daemons used in the standalone deploy mode:
# - SPARK_MASTER_IP, to bind the master to a different IP address or hostname
# - SPARK_MASTER_PORT / SPARK_MASTER_WEBUI_PORT, to use non-default ports for the master
# - SPARK_MASTER_OPTS, to set config properties only for the master (e.g. "-Dx=y")
# - SPARK_WORKER_CORES, to set the number of cores to use on this machine
# - SPARK_WORKER_MEMORY, to set how much total memory workers have to give executors (e.g. 1000m, 2g)
# - SPARK_WORKER_PORT / SPARK_WORKER_WEBUI_PORT, to use non-default ports for the worker
# - SPARK_WORKER_INSTANCES, to set the number of worker processes per node
# - SPARK_WORKER_DIR, to set the working directory of worker processes
# - SPARK_WORKER_OPTS, to set config properties only for the worker (e.g. "-Dx=y")
# - SPARK_HISTORY_OPTS, to set config properties only for the history server (e.g. "-Dx=y")
# - SPARK_DAEMON_JAVA_OPTS, to set config properties for all daemons (e.g. "-Dx=y")
# - SPARK_PUBLIC_DNS, to set the public dns name of the master or workers

export SPARK_SUBMIT_CLASSPATH="$FWDIR/conf"

Answer 1

只需在 spark 目录中执行此命令：

cp conf/log4j.properties.template conf/log4j.properties

编辑 log4j.properties：

# Set everything to be logged to the console
log4j.rootCategory=INFO, console
log4j.appender.console=org.apache.log4j.ConsoleAppender
log4j.appender.console.target=System.err
log4j.appender.console.layout=org.apache.log4j.PatternLayout
log4j.appender.console.layout.ConversionPattern=%d{yy/MM/dd HH:mm:ss} %p %c{1}: %m%n

# Settings to quiet third party logs that are too verbose
log4j.logger.org.eclipse.jetty=WARN
log4j.logger.org.eclipse.jetty.util.component.AbstractLifeCycle=ERROR
log4j.logger.org.apache.spark.repl.SparkIMain$exprTyper=INFO
log4j.logger.org.apache.spark.repl.SparkILoop$SparkILoopInterpreter=INFO

替换第一行：

log4j.rootCategory=INFO, console

经过：

log4j.rootCategory=WARN, console

保存并重新启动您的外壳。 它适用于 OS X 上的 Spark 1.1.0 和 Spark 1.5.1。

Answer 2

灵感来自我所做的 pyspark/tests.py

def quiet_logs(sc):
    logger = sc._jvm.org.apache.log4j
    logger.LogManager.getLogger("org"). setLevel( logger.Level.ERROR )
    logger.LogManager.getLogger("akka").setLevel( logger.Level.ERROR )

在创建 SparkContext 之后调用这个将我的测试记录的 stderr 行从 2647 减少到 163。但是创建 SparkContext 本身记录 163，最多

15/08/25 10:14:16 INFO SparkDeploySchedulerBackend: SchedulerBackend is ready for scheduling beginning after reached minRegisteredResourcesRatio: 0.0

我不清楚如何以编程方式调整这些。

Answer 3

在 Spark 2.0 中，您还可以使用setLogLevel为您的应用程序动态配置它：

    from pyspark.sql import SparkSession
    spark = SparkSession.builder.\
        master('local').\
        appName('foo').\
        getOrCreate()
    spark.sparkContext.setLogLevel('WARN')

在pyspark控制台中，默认的spark会话已经可用。

Answer 4

编辑您的 conf/log4j.properties 文件并更改以下行：

   log4j.rootCategory=INFO, console

到

    log4j.rootCategory=ERROR, console

另一种方法是：

Fireup spark-shell 并输入以下内容：

import org.apache.log4j.Logger
import org.apache.log4j.Level

Logger.getLogger("org").setLevel(Level.OFF)
Logger.getLogger("akka").setLevel(Level.OFF)

之后您将看不到任何日志。

Answer 5

>>> log4j = sc._jvm.org.apache.log4j
>>> log4j.LogManager.getRootLogger().setLevel(log4j.Level.ERROR)

Answer 6

对于 PySpark，您还可以使用sc.setLogLevel("FATAL")在脚本中设置日志级别。 从文档：

控制我们的日志级别。 这会覆盖任何用户定义的日志设置。 有效的日志级别包括：ALL、DEBUG、ERROR、FATAL、INFO、OFF、TRACE、WARN

Answer 7

您可以使用 setLogLevel

val spark = SparkSession
      .builder()
      .config("spark.master", "local[1]")
      .appName("TestLog")
      .getOrCreate()

spark.sparkContext.setLogLevel("WARN")

Answer 8

这可能与 Spark 计算其类路径的方式有关。 我的预感是 Hadoop 的log4j.properties文件在类路径上出现在 Spark 的前面，从而阻止您的更改生效。

如果你跑

SPARK_PRINT_LAUNCH_COMMAND=1 bin/spark-shell

然后 Spark 将打印用于启动 shell 的完整类路径； 就我而言，我看到

Spark Command: /usr/lib/jvm/java/bin/java -cp :::/root/ephemeral-hdfs/conf:/root/spark/conf:/root/spark/lib/spark-assembly-1.0.0-hadoop1.0.4.jar:/root/spark/lib/datanucleus-api-jdo-3.2.1.jar:/root/spark/lib/datanucleus-core-3.2.2.jar:/root/spark/lib/datanucleus-rdbms-3.2.1.jar -XX:MaxPermSize=128m -Djava.library.path=:/root/ephemeral-hdfs/lib/native/ -Xms512m -Xmx512m org.apache.spark.deploy.SparkSubmit spark-shell --class org.apache.spark.repl.Main

其中/root/ephemeral-hdfs/conf位于类路径的开头。

我已经打开了一个问题 [SPARK-2913]来在下一个版本中修复这个问题（我应该很快就会有一个补丁）。

与此同时，这里有几个解决方法：

• 将export SPARK_SUBMIT_CLASSPATH="$FWDIR/conf"到spark-env.sh 。
• 删除（或重命名） /root/ephemeral-hdfs/conf/log4j.properties 。

Answer 9

火花 1.6.2：

log4j = sc._jvm.org.apache.log4j
log4j.LogManager.getRootLogger().setLevel(log4j.Level.ERROR)

火花2.x：

spark.sparkContext.setLogLevel('WARN')

（火花是 SparkSession）

或者使用旧方法，

在 Spark 目录中将conf/log4j.properties.template重命名为conf/log4j.properties 。

在log4j.properties ，将log4j.rootCategory=INFO, console更改为log4j.rootCategory=WARN, console

可用的不同日志级别：

• 关闭（最具体，不记录）
• 致命的（最具体的，数据很少）
• ERROR - 仅在出现错误时记录
• WARN - 仅在出现警告或错误时记录
• 信息（默认）
• 调试 - 记录详细信息步骤（以及上述所有日志）
• TRACE（最不具体，大量数据）
• ALL（最不具体，所有数据）

Answer 10

程序化方式

spark.sparkContext.setLogLevel("WARN")

可用选项

ERROR
WARN 
INFO 

Answer 11

只需将以下参数添加到您的 spark-submit 命令

--conf "spark.driver.extraJavaOptions=-Dlog4jspark.root.logger=WARN,console"

这仅临时覆盖该作业的系统值。 从 log4j.properties 文件中检查确切的属性名称（此处为 log4jspark.root.logger）。

希望这有帮助，干杯！

Answer 12

我将它与具有 1 个主站和 2 个从站的 Amazon EC2 以及 Spark 1.2.1 一起使用。

# Step 1. Change config file on the master node
nano /root/ephemeral-hdfs/conf/log4j.properties

# Before
hadoop.root.logger=INFO,console
# After
hadoop.root.logger=WARN,console

# Step 2. Replicate this change to slaves
~/spark-ec2/copy-dir /root/ephemeral-hdfs/conf/

Answer 13

下面是Scala用户的代码片段：

选项1 ：

您可以在文件级别添加以下代码段

import org.apache.log4j.{Level, Logger}
Logger.getLogger("org").setLevel(Level.WARN)

选项2：

注意：这将适用于所有使用 spark 会话的应用程序。

import org.apache.spark.sql.SparkSession

  private[this] implicit val spark = SparkSession.builder().master("local[*]").getOrCreate()

spark.sparkContext.setLogLevel("WARN")

选项 3：

注意：此配置应添加到您的 log4j.properties..（可能类似于 /etc/spark/conf/log4j.properties（安装 spark 的地方）或您的项目文件夹级别 log4j.properties），因为您正在更改模块级别。 这将适用于所有应用程序。

log4j.rootCategory=ERROR, console

恕我直言，选项 1 是明智的方法，因为它可以在文件级别关闭。

Answer 14

我这样做的方式是：

在我运行spark-submit脚本的位置做

$ cp /etc/spark/conf/log4j.properties .
$ nano log4j.properties

将INFO更改为您想要的日志记录级别，然后运行spark-submit

Answer 15

如果您想继续使用日志记录（Python 的日志记录工具），您可以尝试为您的应用程序和 Spark 拆分配置：

LoggerManager()
logger = logging.getLogger(__name__)
loggerSpark = logging.getLogger('py4j')
loggerSpark.setLevel('WARNING')

Answer 16

您也可以在程序开始时以编程方式设置它。

Logger.getLogger("org").setLevel(Level.WARN)