Almacenamiento de registros

Para monitorizar el progreso de su trabajo en EMR sin servidor y solucionar errores en los trabajos, puede elegir la forma en que EMR sin servidor almacena y sirve los registros de las aplicaciones. Al enviar una ejecución de trabajo, puede especificar el almacenamiento gestionado, Amazon S3 y Amazon CloudWatch como opciones de registro.

Con CloudWatch, puede especificar los tipos de registro y las ubicaciones de registro que quiere usar, o bien aceptar los tipos y ubicaciones predeterminados. Para obtener más información sobre CloudWatch los registros, consulteRegistro de EMR Serverless con Amazon CloudWatch. Con el almacenamiento gestionado y el registro de S3, en la siguiente tabla se muestran las ubicaciones de registro y la disponibilidad de la IU que puede esperar si elige almacenamiento administrado, buckets de Amazon S3 o ambos.

Opción	Registros de eventos	Registros de contenedor	IU de las aplicaciones
Almacenamiento administrado	Almacenado en un almacenamiento administrado	Almacenado en un almacenamiento administrado	Compatible
Tanto almacenamiento administrado como bucket de S3	Almacenado en ambos lugares	Almacenado en un bucket de S3	Compatible
Bucket de Amazon S3	Almacenado en un bucket de S3	Almacenado en un bucket de S3	No admitido1

¹ Le recomendamos que mantenga seleccionada la opción de almacenamiento administrado. De lo contrario, no podrá utilizar la aplicación integrada UIs.

Registro para EMR sin servidor con almacenamiento administrado

De forma predeterminada, EMR sin servidor almacena los registros de las aplicaciones de forma segura en el almacenamiento administrado de Amazon EMR durante un máximo de 30 días.

nota

Si desactiva la opción predeterminada, Amazon EMR no podrá solucionar los problemas de sus trabajos en su nombre.

Para desactivar esta opción desde EMR Studio, desactive la casilla Permitir AWS conservar registros durante 30 días en la sección Configuración adicional de la página Enviar trabajo.

Para desactivar esta opción desde AWS CLI, utilice la managedPersistenceMonitoringConfiguration configuración cuando envíe una ejecución de tareas.

{
    "monitoringConfiguration": {
        "managedPersistenceMonitoringConfiguration": {
            "enabled": false
        }
    }
}

Registro de EMR sin servidor con buckets de Amazon S3

Antes de que sus trabajos puedan enviar datos de registro a Amazon S3, se deben incluir los siguientes permisos en la política de permisos del rol de tiempo de ejecución del trabajo. Reemplace amzn-s3-demo-logging-bucket con el nombre de su bucket de registro.

{
    "Version": "2012-10-17",
    "Statement": [
        {
            "Effect": "Allow",
            "Action": [
                "s3:PutObject"
            ],
            "Resource": [
                "arn:aws:s3:::amzn-s3-demo-logging-bucket/*"
            ]
        }
    ]
}

Para configurar un bucket de Amazon S3 para almacenar los registros del AWS CLI, utilice la s3MonitoringConfiguration configuración al iniciar la ejecución de un trabajo. Para ello, incluya el siguiente --configuration-overrides en la configuración.

{
    "monitoringConfiguration": {
        "s3MonitoringConfiguration": {
            "logUri": "s3://amzn-s3-demo-logging-bucket/logs/"
        }
    }
}

Para los trabajos por lotes que no tienen habilitados los reintentos, EMR sin servidor envía los registros a la siguiente ruta:

'/applications/<applicationId>/jobs/<jobId>'

Las versiones 7.1.0 y posteriores de EMR sin servidor admiten reintentos para trabajos de streaming y trabajos por lotes. Si ejecuta un trabajo con los reintentos habilitados, EMR sin servidor agrega automáticamente un número de intento al prefijo de la ruta de registro, para poder hacer una mejor distinción y seguimiento de los registros.

'/applications/<applicationId>/jobs/<jobId>/attempts/<attemptNumber>/'

Registro de EMR Serverless con Amazon CloudWatch

Al enviar un trabajo a una aplicación EMR Serverless, puede elegir Amazon CloudWatch como opción para almacenar los registros de su aplicación. Esto le permite utilizar CloudWatch funciones de análisis de CloudWatch registros, como Logs Insights y Live Tail. También puede transmitir registros desde CloudWatch otros sistemas, por ejemplo, OpenSearch para su posterior análisis.

EMR sin servidor proporciona registro en tiempo real de los registros de los controladores. Puede ver los registros en tiempo real con la función de cola CloudWatch en vivo o mediante los comandos de cola de la CloudWatch CLI.

De forma predeterminada, el CloudWatch registro está deshabilitado para EMR Serverless. Para habilitarlo, consulte la configuración en AWS CLI.

nota

Amazon CloudWatch publica los registros en tiempo real, por lo que obtiene más recursos de los trabajadores. Si elige una capacidad laboral baja, el impacto en el tiempo de ejecución de su trabajo podría aumentar. Si habilita el CloudWatch registro, le recomendamos que elija una mayor capacidad de trabajo. También es posible que la publicación del registro se reduzca si la tasa de transacciones por segundo (TPS) es demasiado baja para PutLogEvents. La configuración de CloudWatch regulación es global para todos los servicios, incluido EMR Serverless. Para obtener más información, consulte ¿Cómo puedo determinar la limitación en mis registros? CloudWatch en AWS re:post.

Permisos necesarios para iniciar sesión con CloudWatch

Para que tus trabajos puedan enviar datos de registro a Amazon CloudWatch, debes incluir los siguientes permisos en la política de permisos del rol de ejecución del trabajo.

{
    "Version": "2012-10-17",
    "Statement": [
        {
            "Effect": "Allow",
            "Action": [
                "logs:DescribeLogGroups"
            ],
            "Resource": [
                "arn:aws:logs:Región de AWS:111122223333:*"
            ]
        },
        {
            "Effect": "Allow",
            "Action": [
               "logs:PutLogEvents",
               "logs:CreateLogGroup",
               "logs:CreateLogStream",
               "logs:DescribeLogStreams"
            ],
            "Resource": [
               "arn:aws:logs:Región de AWS:111122223333:log-group:my-log-group-name:*"
            ]
        }
    ]
}

AWS CLI

Para configurar Amazon CloudWatch para que almacene los registros de EMR Serverless desde AWS CLI, utilice la cloudWatchLoggingConfiguration configuración al iniciar la ejecución de un trabajo. Para ello, incluya las siguientes anulaciones de configuración. Opcionalmente, también puede proporcionar un nombre de grupo de registros, un nombre de prefijo de flujo de registro, tipos de registro y una clave de cifrado ARN.

Si no especifica los valores opcionales, CloudWatch publica los registros en un grupo de registros predeterminado/aws/emr-serverless, con el flujo de registros predeterminado. /applications/applicationId/jobs/jobId/worker-type

Las versiones 7.1.0 y posteriores de EMR sin servidor admiten reintentos para trabajos de streaming y trabajos por lotes. Si habilitó reintentos para un trabajo, EMR sin servidor agrega automáticamente un número de intento al prefijo de la ruta de registro, para poder hacer una mejor distinción y seguimiento de los registros.

'/applications/<applicationId>/jobs/<jobId>/attempts/<attemptNumber>/worker-type'

A continuación se muestra la configuración mínima necesaria para activar el CloudWatch registro de Amazon con la configuración predeterminada de EMR Serverless:

{
    "monitoringConfiguration": {
        "cloudWatchLoggingConfiguration": {
            "enabled": true
         }
     }
}

El siguiente ejemplo muestra todas las configuraciones obligatorias y opcionales que puede especificar al activar Amazon CloudWatch Logging para EMR Serverless. Los valores logTypes admitidos también se muestran debajo de este ejemplo.

{
    "monitoringConfiguration": {
        "cloudWatchLoggingConfiguration": {
            "enabled": true, // Required
            "logGroupName": "Example_logGroup", // Optional
            "logStreamNamePrefix": "Example_logStream", // Optional 
            "encryptionKeyArn": "key-arn", // Optional 
            "logTypes": { 
                "SPARK_DRIVER": ["stdout", "stderr"] //List of values
             }
         }
     }
}

De forma predeterminada, EMR Serverless publica solo los registros stdout y stderr del controlador. CloudWatch Si desea otros registros, puede especificar un rol de contenedor y los tipos de registro correspondientes con el campo logTypes.

La siguiente lista muestra los tipos de trabajadores admitidos que puede especificar para la configuración de logTypes:

Spark

• SPARK_DRIVER : ["STDERR", "STDOUT"]

• SPARK_EXECUTOR : ["STDERR", "STDOUT"]

Hive

• HIVE_DRIVER : ["STDERR", "STDOUT", "HIVE_LOG", "TEZ_AM"]

• TEZ_TASK : ["STDERR", "STDOUT", "SYSTEM_LOGS"]