一 问题背景

平台近期出现多次spark任务日志文件将磁盘打满，导致平台异常报警和任务失败的情况，这些任务包括Spark-Streaming任务和普通Spark任务。产生该问题的原因主要是：

Spark-Streaming任务运行时间比较长，Executor和Driver进程产生的Spark系统日志数量很大；业务用户在应用代码中使用System.out.print等输出了大量的调试信息（曾有任务运行40分钟打满100G日志文件）。以上信息全部输出在Yarn Container日志路径下的stdout和stderr里面，而Yarn本身没有对这些文件大小做限制，导致文件无限增长，最终将磁盘打满。

二 解决方案

2.1 解决思路

针对该问题，Spark官网给出了解决方案：

• spark-yarn-log.png

在此基础上，结合实际情况，制定以下方案：

• spark yarn contanier（包括executor和driver进程）单独使用一套日志机制，采用Rolling模式滚动删除，保留最新的5G日志数据：单个日志文件最大1G，最多保留5个，开启滚动删除。
• 业务用户在应用代码输出的调试信息重定向至log4j日志中，限制单个文件大小并应用滚动删除机制。

2.2 实施方案

• 自定义log4j.properties配置文件，限制文件大小，开启滚动删除。
• 将该文件放置在$SPARK_HOME/conf/yarn-container-log4j-conf文件夹下面，与$SPARK_HOME/conf/log4j.properties区分。
• 在spark-defaults.conf中通过spark.yarn.dist.files配置该文件，实现任务提交时上传，并下发供Executor和Driver进程使用。
• 增加输出信息重定向日志功能，使业务输出的调试信息重定向至log4j配置的指定日志文件。
• 在ApplicationMaster和CoarseGrainedExecutorBackend主进程中嵌入重定向函数，实现Driver进程和Executor进程业务调试信息由管道输出转变成日志输出。
• 同时，针对spark2.0以上版本，社区版本源码中Logging类为内部类，内部版本将Logging类更改为公共类，供业务调用，可替代System.out输出方式