spark UI详解
清楚的理解spark UI 的各个阶段有助于进行调优和分析定位问题
如何访问：默认ip:8088，在程序启动时也可看到日志中的UI访问地址
1：UI界面
导航栏部分主要分为7大部分
1：job级别的任务执行记录，可看到具体的executor和task执行时间
2：所有stage，stage是按照宽依赖来区分的，因此粒度上要比job更细一些，
划分依据详见：stage的划分
3 ：storage页面，我们所做的cache persist等操作，都会在这里看到，可以看出来应用目前使用了多少缓存
4： 代表environment页面，里面展示了当前spark所依赖的环境，比如jdk,lib等等
5 ：代表executors页面，这里可以看到执行者申请使用的内存以及shuffle中input和output等数据
6 ：streaming所有执行的job，可以看到是否有数据积压，执行时间
7 ：这是应用的名字，代码中如果使用setAppName，就会显示在这里
1.1：job详解
主要分为，任务统计区，Active Jobs，Completed Jobs
1：信息统计
User: root 任务提交的用户
Total Uptime: 72.6 h 程序总运行时间
Scheduling Mode: FIFO 调度器
2：Active Jobs:正在运行的job
3：Completed Jobs：已经完成的job
1：job分析
可查看event timeline查看详细的使用时间，进行job的执行时间分析，进行瓶颈判断
点击dexcribe中的蓝色可查看具体的stage执行详情
2：job的stage
数据倾斜判断：执行时间的min,max看是否差距较大
下方的stdout可以查看任务的运行日志
3：event timeline理解
一个task对应一个时间线，
绿色executor conputing time：任务计算耗时，应该占用大部分时间，若个别时间很长会导致进入不到下一个任务的执行，影响整体的处理时间。若整体时间都长说明分区太少整体数据量大，可以考虑增加分区数提高并行处理能力
Scheduler Delay：调度用时
1.2：stage
所有的stage汇总，随意点击一个和job的stage中显示是一样的
1.3：storage
1.4：environment
当前spark程序所依赖的环境，比如jdk,lib。所提供额其他配置参数等等
1.5：executors
总executor数，可查看该页面的gc时间，判断所分配的资源是否足够，若报红基本就是资源不够用。也可看各个executor运行状态等
1.6：streaming
可查看是否有数据积压，结合job的timelines进行问题定位
整体的处理时间保持在虚线以下即可
2：程序日志
streaming程序日志保存在hdfs上，可下载查看：
默认路径/tmp/logs/root/logs
查看：hadoop fs -ls /tmp/logs/root/logs
下载：hadoop fs -get /tmp/logs/root/logs
root为提交的用户，该路径下就是所有的提程序的日志。