一、监控指标

使用sparkMetricSink监控的指标

二、考虑问题

spark自带的sink使用io.dropwizard.metrics，目前不支持prometheus
spark自带的metrics名称格式为：appId.instance.[appName].XX，一旦应用重启，指标就会重置
spark on yarn目前没有好的办法支持prometheus的动态发现

三、开发过程

1. 开发PrometheusMetricsServlet

(1).此类继承spark目前已有的MetricsServlet，MetricsServlet为spark默认开启的sink通过/metrics/json可访问json格式的metrics；并且spark只能开启一个servletsink，所以必须配置中必须指定：*.sink.servlet.class=org.apache.spark.metrics.sink.PrometheusMetricsServlet

(2). 引入prometheus dropwizard client

        <dependency>
            <groupId>io.prometheus</groupId>
            <artifactId>simpleclient_dropwizard</artifactId>
         </dependency>

(3). 在getMetricsSnapshot方法内，将MetricRegistry转换成prometheus的结构，在转换中去掉metrics中key里面的appid，write004方法仿照TextFormat改造；

override def getMetricsSnapshot(request: HttpServletRequest): String = {
  val stringWriter = new StringWriter();
  PrometheusMetrics.write004(stringWriter,collectorRegistry.metricFamilySamples())
  stringWriter.close()
  stringWriter.getBuffer.toString
}

(4). 以上修改完成后，启动应用访问yarn_url/proxy/application_XXX_X/metrics/json页面，即可以看到prometheus结构数据

2. 读取yarn信息生成json文件

使用python从yarn读取spark的地址信息，并加上appName标签，按照队列名称生成文件，代码如下：

# coding:utf-8import jsonfrom httplib import HTTPConnection

urls = ["rm1.com", "rm2.com"]
queues = ["queue"]# 解析json获取applications信息def applications_info(path, method="GET"):
    for url in urls:        try:
            conn = HTTPConnection(host=url, port=8088, timeout=3)
            conn.request(method, path)
            response = conn.getresponse()
            jsonobj = json.loads(response.read())
            conn.close()            if jsonobj:                return jsonobj["apps"]["app"]        except Exception, e:            # print e
            passif __name__ == "__main__":    for queue in queues:
        apps = applications_info(            "/ws/v1/cluster/apps?states=RUNNING&type=spark&queue={0}".format(queue))
        result_list = []        if apps:            for app in apps:
                appid = app["id"]
                appname = app["name"].replace("-", "_")
                trackingUrl = app["trackingUrl"][7:]
                index = trackingUrl.find("/")
                result_list.append({"targets": [trackingUrl[0:index]],                                    "labels": {"appName": appname,                                               "__metrics_path__": "{0}metrics/json".format(trackingUrl[index:])}
                                    })
        print(result_list)
        fo = open("spark/{0}.json".format(queue), "w")
        fo.write(json.dumps(result_list, indent=4))
        fo.close()

生成的json格式如下，因为prometheus的target只能包含ip和port，通过"__metrics_path__" 指定具体访问路径：

[
    {        "labels": {            "__metrics_path__":"/proxy/application_XXX_X/metrics/json",            "appName":"app_name"
        },        "targets": [            "yarn_url:8088"
        ]
    }
}

3. 配置prometheus动态文件

prometheus支持多种动态发现配置，此处使用file_sd_configs文件动态发现

file_sd_configs:
      - files: ['spark/*.json']