【问题标题】:How to avoid Spark and Hive log from Application log如何避免应用程序日志中的 Spark 和 Hive 日志
【发布时间】:2015-04-12 18:01:03
【问题描述】:

我想了解如何从应用程序日志中避免 Spark 和 Hive 日志。我的意思是 spark 和 hive 都在使用 log4j 属性文件。

我已经根据我的应用程序配置了 log4j.property 文件,但它也在打印 Spark 和 hive 控制台日志记录。我在 HDFS 环境中运行应用程序。

log4j.rootLogger=DEBUG,debugLog, SplLog

log4j.appender.debugLog=org.apache.log4j.RollingFileAppender
log4j.appender.debugLog.File=logs/Debug.log
log4j.appender.debugLog.MaxFileSize=10MB
log4j.appender.debugLog.MaxBackupIndex=10
log4j.appender.debugLog.layout=org.apache.log4j.PatternLayout
log4j.appender.debugLog.layout.ConversionPattern=%d{yyyy-MM-dd HH:mm:ss} %-5p %c{1} - %m%n
log4j.appender.debugLog.filter.f1=org.apache.log4j.varia.LevelRangeFilter
log4j.appender.debugLog.filter.f1.LevelMax=DEBUG
log4j.appender.debugLog.filter.f1.LevelMin=DEBUG

log4j.appender.SplLog=org.apache.log4j.RollingFileAppender
log4j.appender.SplLog.File=logs/AppSplCmd.log
log4j.appender.SplLog.MaxFileSize=10MB
log4j.appender.SplLog.MaxBackupIndex=10
log4j.appender.SplLog.layout=org.apache.log4j.PatternLayout
log4j.appender.SplLog.layout.ConversionPattern=%d{yyyy-MM-dd HH:mm:ss} %-5p %c{1} - %m%n
log4j.appender.SplLog.filter.f1=org.apache.log4j.varia.LevelRangeFilter
log4j.appender.SplLog.filter.f1.LevelMax=FATAL
log4j.appender.SplLog.filter.f1.LevelMin=INFO

log4j.logger.debugLogger=DEBUG, debugLog
log4j.additivity.debugLogger=false

log4j.logger.AppSplLogger=INFO, SplLog
log4j.additivity.AppSplLogger=false

【问题讨论】:

  • 您的 Spark 作业运行情况如何?它在 Spark Shell 中吗?从你的IDE?使用 spark-submit(客户端或集群模式)?
  • spark shell 使用 spark-submit(客户端或集群模式)
  • 好的,所以你用你的类和库构建了一个胖 Jar。是否考虑了您的 log4j.properties(已创建 Debug.log、AppSplCmd.log)?您在 Jar 中放置了哪些库(mvn 依赖项:list 或 sbt)?
  • 它的 maven 依赖项,我创建用于在单独的文件中记录调试,在单独的文件中记录特殊命令
  • Debug.log、AppSplCmd.log是否创建?

标签: java logging log4j apache-spark hdfs


【解决方案1】:

提升rootLogger级别:

log4j.rootLogger=WARN,debugLog,SplLog

或者至少,设置 org.apache 记录器级别(没有此配置的 Spark 和 Hive 记录器使用 rootLogger 配置):

log4j.logger.org.apache=WARN

【讨论】:

    猜你喜欢
    • 2016-10-06
    • 2015-04-02
    • 2017-06-26
    • 2015-09-09
    • 2016-11-06
    • 2023-01-12
    • 1970-01-01
    • 2010-11-04
    • 1970-01-01
    相关资源
    最近更新 更多