監視 Azure Databricks 上的結構化串流查詢
Azure Databricks 透過 [串流] 索引卷標下的 Spark UI，為結構化串流 應用程式提供內建監視。
區分 Spark UI 中的結構化串流查詢
藉由將 新增 .queryName(<query-name>) 至程式 writeStream 代碼，輕鬆地區分哪些計量屬於Spark UI中的哪個數據流，以提供唯一的查詢名稱。
將結構化串流計量推送至外部服務
串流計量可以推送至外部服務，以使用 Apache Spark 的串流查詢接聽程式介面來警示或儀錶板使用案例。 在 Databricks Runtime 11.3 LTS 和更新版本中，串流查詢接聽程式可在 Python 和 Scala 中使用。
重要
Unity 目錄所管理的認證和物件不能用於邏輯中 StreamingQueryListener 。
注意
使用接聽程式處理延遲可能會大幅影響查詢處理速度。 建議您限制這些接聽程式中的處理邏輯，並選擇寫入 Kafka 等快速響應系統以提高效率。
下列程式代碼提供實作接聽程式之語法的基本範例：
Scala
import org.apache.spark.sql.streaming.StreamingQueryListener
import org.apache.spark.sql.streaming.StreamingQueryListener._
val myListener = new StreamingQueryListener {
/**
* Called when a query is started.
* @note This is called synchronously with
* [[org.apache.spark.sql.streaming.DataStreamWriter `DataStreamWriter.start()`]].
* `onQueryStart` calls on all listeners before
* `DataStreamWriter.start()` returns the corresponding [[StreamingQuery]].
* Do not block this method, as it blocks your query.
*/
def onQueryStarted(event: QueryStartedEvent): Unit = {}
/**
* Called when there is some status update (ingestion rate updated, etc.)
*
* @note This method is asynchronous. The status in [[StreamingQuery]] returns the
* latest status, regardless of when this method is called. The status of [[StreamingQuery]]
* may change before or when you process the event. For example, you may find [[StreamingQuery]]
* terminates when processing `QueryProgressEvent`.
*/
def onQueryProgress(event: QueryProgressEvent): Unit = {}
/**
* Called when the query is idle and waiting for new data to process.
*/
def onQueryIdle(event: QueryProgressEvent): Unit = {}
/**
* Called when a query is stopped, with or without error.
*/
def onQueryTerminated(event: QueryTerminatedEvent): Unit = {}
}
Python
class MyListener(StreamingQueryListener):
def onQueryStarted(self, event):
"""
Called when a query is started.
Parameters
----------
event: :class:`pyspark.sql.streaming.listener.QueryStartedEvent`
The properties are available as the same as Scala API.
Notes
-----
This is called synchronously with
meth:`pyspark.sql.streaming.DataStreamWriter.start`,
that is, ``onQueryStart`` will be called on all listeners before
``DataStreamWriter.start()`` returns the corresponding
:class:`pyspark.sql.streaming.StreamingQuery`.
Do not block in this method as it will block your query.
"""
pass
def onQueryProgress(self, event):
"""
Called when there is some status update (ingestion rate updated, etc.)
Parameters
----------
event: :class:`pyspark.sql.streaming.listener.QueryProgressEvent`
The properties are available as the same as Scala API.
Notes
-----
This method is asynchronous. The status in
:class:`pyspark.sql.streaming.StreamingQuery` returns the
most recent status, regardless of when this method is called. The status
of :class:`pyspark.sql.streaming.StreamingQuery`.
may change before or when you process the event.
For example, you may find :class:`StreamingQuery`
terminates when processing `QueryProgressEvent`.
"""
pass
def onQueryIdle(self, event):
"""
Called when the query is idle and waiting for new data to process.
"""
pass
def onQueryTerminated(self, event):
"""
Called when a query is stopped, with or without error.
Parameters
----------
event: :class:`pyspark.sql.streaming.listener.QueryTerminatedEvent`
The properties are available as the same as Scala API.
"""
pass
my_listener = MyListener()
在結構化串流中定義可觀察的計量
可觀察的計量會命名為可在查詢上定義的任意聚合函數（DataFrame）。 一旦 DataFrame 執行到達完成點（也就是完成批次查詢或到達串流 epoch），就會發出具名事件，其中包含自上次完成點之後所處理數據的計量。
您可以將接聽程式附加至Spark工作階段，以觀察這些計量。 接聽程式取決於執行模式：
批次模式：使用
QueryExecutionListener。QueryExecutionListener會在查詢完成時呼叫。 使用QueryExecution.observedMetrics地圖存取計量。串流或微批次：使用
StreamingQueryListener。StreamingQueryListener當串流查詢完成 epoch 時呼叫。 使用StreamingQueryProgress.observedMetrics地圖存取計量。 Azure Databricks 不支持連續執行串流。
例如：
Scala
// Observe row count (rc) and error row count (erc) in the streaming Dataset
val observed_ds = ds.observe("my_event", count(lit(1)).as("rc"), count($"error").as("erc"))
observed_ds.writeStream.format("...").start()
// Monitor the metrics using a listener
spark.streams.addListener(new StreamingQueryListener() {
override def onQueryProgress(event: QueryProgressEvent): Unit = {
event.progress.observedMetrics.get("my_event").foreach { row =>
// Trigger if the number of errors exceeds 5 percent
val num_rows = row.getAs[Long]("rc")
val num_error_rows = row.getAs[Long]("erc")
val ratio = num_error_rows.toDouble / num_rows
if (ratio > 0.05) {
// Trigger alert
}
}
}
})
Python
# Observe metric
observed_df = df.observe("metric", count(lit(1)).as("cnt"), count(col("error")).as("malformed"))
observed_df.writeStream.format("...").start()
# Define my listener.
class MyListener(StreamingQueryListener):
def onQueryStarted(self, event):
print(f"'{event.name}' [{event.id}] got started!")
def onQueryProgress(self, event):
row = event.progress.observedMetrics.get("metric")
if row is not None:
if row.malformed / row.cnt > 0.5:
print("ALERT! Ouch! there are too many malformed "
f"records {row.malformed} out of {row.cnt}!")
else:
print(f"{row.cnt} rows processed!")
def onQueryTerminated(self, event):
print(f"{event.id} got terminated!")
# Add my listener.
spark.streams.addListener(MyListener())
StreamingQueryListener 物件計量
| 計量 | 描述 |
|---|---|
id |
在重新啟動時保存的唯一查詢標識碼。 |
runId |
每個啟動/重新啟動都是唯一的查詢標識碼。 請參閱 StreamingQuery.runId（）。 |
name |
使用者指定的查詢名稱。 如果未指定名稱，則 Name 為 null。 |
timestamp |
microbatch 執行的時間戳。 |
batchId |
目前正在處理之數據批次的唯一標識符。 在失敗后重試的情況下，可能會多次執行指定的批次標識碼。 同樣地，如果沒有要處理的數據，批次標識符就不會遞增。 |
numInputRows |
在觸發程式中處理的記錄總數（跨所有來源）。 |
inputRowsPerSecond |
抵達數據的匯總（跨所有來源）速率。 |
processedRowsPerSecond |
Spark 正在處理數據的匯總 （跨所有來源） 速率。 |
durationMs 物件
完成微批次執行程式各個階段所花費時間的相關信息。
| 計量 | 描述 |
|---|---|
durationMs.addBatch |
執行 microbatch 所需的時間。 這不包括Spark規劃 microbatch 所需的時間。 |
durationMs.getBatch |
從來源擷取有關位移的元數據所花費的時間。 |
durationMs.latestOffset |
microbatch 所耗用的最新位移。 此進度物件是指從來源擷取最新位移所花費的時間。 |
durationMs.queryPlanning |
產生執行計劃所花費的時間。 |
durationMs.triggerExecution |
規劃和執行 microbatch 所需的時間。 |
durationMs.walCommit |
認可新可用位移所花費的時間。 |
eventTime 物件
有關在 microbatch 中處理之數據內所見事件時間值的資訊。 浮浮水印會使用此資料來瞭解如何修剪狀態，以處理結構化串流作業中定義的具狀態匯總。
| 計量 | 描述 |
|---|---|
eventTime.avg |
在該觸發程式中看到的平均事件時間。 |
eventTime.max |
在該觸發程式中看到的最大事件時間。 |
eventTime.min |
在該觸發程式中看到的最小事件時間。 |
eventTime.watermark |
該觸發程式中使用的浮浮水印值。 |
stateOperators 物件
結構化串流作業中定義之具狀態作業的相關信息，以及從中產生的匯總。
| 計量 | 描述 |
|---|---|
stateOperators.operatorName |
計量關聯之具狀態運算子的名稱，例如symmetricHashJoin、 dedupestateStoreSave。 |
stateOperators.numRowsTotal |
狀態中的數據列總數，因為具狀態運算符或匯總。 |
stateOperators.numRowsUpdated |
狀態中因具狀態運算符或匯總而更新的數據列總數。 |
stateOperators.allUpdatesTimeMs |
此計量目前無法由Spark測量，並計劃在未來的更新中移除。 |
stateOperators.numRowsRemoved |
因具狀態運算符或匯總而移除狀態的數據列總數。 |
stateOperators.allRemovalsTimeMs |
此計量目前無法由Spark測量，並計劃在未來的更新中移除。 |
stateOperators.commitTimeMs |
認可所有更新所需的時間（放置和移除），並傳回新版本。 |
stateOperators.memoryUsedBytes |
狀態存放區所使用的記憶體。 |
stateOperators.numRowsDroppedByWatermark |
被視為太晚而無法包含在具狀態匯總中的數據列數目。 僅串流匯總：卸除匯總后的數據列數目（而非原始輸入數據列）。 這個數位不精確，但會指出已卸除延遲的數據。 |
stateOperators.numShufflePartitions |
這個具狀態運算子的隨機分割區數目。 |
stateOperators.numStateStoreInstances |
運算子已初始化和維護的實際狀態存放區實例。 對於許多具狀態運算符，這與分割區數目相同。 不過，數據流串流聯結會初始化每個分割區的四個狀態存放區實例。 |
stateOperators.customMetrics 物件
從 RocksDB 收集的資訊，擷取其效能和作業的相關計量，以及針對結構化串流作業所維護的具狀態值。 如需詳細資訊，請參閱 在 Azure Databricks 上設定 RocksDB 狀態存放區。
| 計量 | 描述 |
|---|---|
customMetrics.rocksdbBytesCopied |
RocksDB 檔案管理員所追蹤的位元元組數目。 |
customMetrics.rocksdbCommitCheckpointLatency |
擷取原生 RocksDB 快照集的時間，並將其寫入本機目錄。 |
customMetrics.rocksdbCompactLatency |
在檢查點認可期間壓縮以毫秒為單位的時間（選擇性）。 |
customMetrics.rocksdbCommitFileSyncLatencyMs |
將原生 RocksDB 快照集同步至外部記憶體的時間以毫秒為單位（檢查點位置）。 |
customMetrics.rocksdbCommitFlushLatency |
排清 RocksDB 記憶體內部變更至本機磁碟的時間，以毫秒為單位。 |
customMetrics.rocksdbCommitPauseLatency |
停止背景背景背景工作線程作為檢查點認可一部分的時間，例如壓縮的時間。 |
customMetrics.rocksdbCommitWriteBatchLatency |
將分段WriteBatch寫入套用至原生 RocksDB 的毫秒數。 |
customMetrics.rocksdbFilesCopied |
RocksDB 檔案管理員所追蹤的檔案數目。 |
customMetrics.rocksdbFilesReused |
RocksDB 檔案管理員所追蹤的重複使用檔案數目。 |
customMetrics.rocksdbGetCount |
對 DB 的 get 呼叫數目（不包括 gets 用於 WriteBatch 暫存寫入的記憶體內部批次）。 |
customMetrics.rocksdbGetLatency |
基礎原生 RocksDB::Get 呼叫之 nanoseconds 的平均時間。 |
customMetrics.rocksdbReadBlockCacheHitCount |
從 RocksDB 中的區塊快取叫用快取計數，有助於避免本機磁碟讀取。 |
customMetrics.rocksdbReadBlockCacheMissCount |
RocksDB 中的區塊快取計數在避免本機磁碟讀取方面沒有用處。 |
customMetrics.rocksdbSstFileSize |
所有靜態排序數據表 （SST） 檔案的大小 - 表格式結構 RocksDB 會使用 來儲存數據。 |
customMetrics.rocksdbTotalBytesRead |
作業讀取 get 的未壓縮位元組數目。 |
customMetrics.rocksdbTotalBytesReadByCompaction |
壓縮程式從磁碟讀取的位元組數目。 |
customMetrics.rocksdbTotalBytesReadThroughIterator |
使用反覆運算器讀取未壓縮數據的位元組總數。 某些具狀態作業（例如，逾 FlatMapGroupsWithState 時處理和浮水印）需要透過反覆運算器在 DB 中讀取數據。 |
customMetrics.rocksdbTotalBytesWritten |
作業寫入 put 的未壓縮位元組總數。 |
customMetrics.rocksdbTotalBytesWrittenByCompaction |
壓縮程式寫入磁碟的位元組總數。 |
customMetrics.rocksdbTotalCompactionLatencyMs |
RocksDB 壓縮的時間以毫秒為單位，包括背景壓縮和認可期間起始的選擇性壓縮。 |
customMetrics.rocksdbTotalFlushLatencyMs |
排清時間總計，包括背景排清。 排清作業是一 MemTable 旦滿時，排清至記憶體的進程。 MemTables 是數據儲存在 RocksDB 的第一個層級。 |
customMetrics.rocksdbZipFileBytesUncompressed |
檔案管理員所報告的未壓縮 zip 檔案大小，以位元組為單位。 檔案管理員會管理實體 SST 檔案磁碟空間使用率和刪除。 |
sources 物件 （Kafka）
| 計量 | 描述 |
|---|---|
sources.description |
Kafka 來源的詳細描述，指定要從中讀取的確切 Kafka 主題。 例如： “KafkaV2[Subscribe[KAFKA_TOPIC_NAME_INPUT_A]]” 。 |
sources.startOffset 物件 |
Kafka 主題中啟動串流作業的起始位移號碼。 |
sources.endOffset 物件 |
microbatch 處理的最後一個位移。 這可能等於 latestOffset 進行中的微批次執行。 |
sources.latestOffset 物件 |
microbatch 所計算的最新位移。 當發生節流時，微批次程式可能不會處理所有位移，這會導致 endOffset 和 latestOffset 差異。 |
sources.numInputRows |
從這個來源處理的輸入數據列數目。 |
sources.inputRowsPerSecond |
數據從這個來源抵達的速率。 |
sources.processedRowsPerSecond |
Spark 正在處理此來源數據的速率。 |
sources.metrics 物件 （Kafka）
| 計量 | 描述 |
|---|---|
sources.metrics.avgOffsetsBehindLatest |
串流查詢的平均位移數是所有已訂閱主題中最新的可用位移後方。 |
sources.metrics.estimatedTotalBytesBehindLatest |
查詢進程未從訂閱的主題取用的估計位元組數目。 |
sources.metrics.maxOffsetsBehindLatest |
串流查詢在所有已訂閱主題中最新的可用位移後方的最大位移數目。 |
sources.metrics.minOffsetsBehindLatest |
串流查詢所落後所有訂閱主題中最新可用位移的最小位移數。 |
sink 物件 （Kafka）
| 計量 | 描述 |
|---|---|
sink.description |
串流查詢正在寫入的 Kafka 接收描述，詳細說明所使用的特定 Kafka 接收實作。 例如： “org.apache.spark.sql.kafka010.KafkaSourceProvider$KafkaTable@e04b100” 。 |
sink.numOutputRows |
寫入輸出數據表或接收作為 microbatch 一部分的數據列數目。 在某些情況下，這個值可以是 “-1”，通常可以解譯為「未知」。 |
sources 物件 （Delta Lake）
| 計量 | 描述 |
|---|---|
sources.description |
串流查詢從中讀取的來源描述。 例如： “DeltaSource[table]” 。 |
sources.[startOffset/endOffset].sourceVersion |
此位移編碼的串行化版本。 |
sources.[startOffset/endOffset].reservoirId |
正在讀取之數據表的標識碼。 這會用來偵測重新啟動查詢時設定錯誤。 |
sources.[startOffset/endOffset].reservoirVersion |
目前正在處理的數據表版本。 |
sources.[startOffset/endOffset].index |
此版本中序列中的索引 AddFiles 。 這是用來將大型認可分成多個批次。 此索引是藉由排序和 modificationTimestamp path來建立。 |
sources.[startOffset/endOffset].isStartingVersion |
識別目前的位移是否標記新串流查詢的開頭，而不是處理處理初始數據之後發生的變更。 啟動新的查詢時，會先處理數據表中的所有數據，然後再處理任何抵達的新數據。 |
sources.latestOffset |
microbatch 查詢所處理的最新位移。 |
sources.numInputRows |
從這個來源處理的輸入數據列數目。 |
sources.inputRowsPerSecond |
數據從這個來源抵達的速率。 |
sources.processedRowsPerSecond |
Spark 正在處理此來源數據的速率。 |
sources.metrics.numBytesOutstanding |
未處理檔案的合併大小（由 RocksDB 追蹤的檔案）。 這是 Delta 和自動載入器作為串流來源的待辦專案計量。 |
sources.metrics.numFilesOutstanding |
要處理的未處理檔案數目。 這是 Delta 和自動載入器作為串流來源的待辦專案計量。 |
接收物件 （Delta Lake）
| 計量 | 描述 |
|---|---|
sink.description |
Delta 接收的描述，詳細說明所使用的特定 Delta 接收實作。 例如： “DeltaSink[table]” 。 |
sink.numOutputRows |
數據列數目一律為 “-1”，因為 Spark 無法推斷 DSv1 接收的輸出數據列，這是 Delta Lake 接收的分類。 |
範例
範例 Kafka-to-Kafka StreamingQueryListener 事件
{
"id" : "3574feba-646d-4735-83c4-66f657e52517",
"runId" : "38a78903-9e55-4440-ad81-50b591e4746c",
"name" : "STREAMING_QUERY_NAME_UNIQUE",
"timestamp" : "2022-10-31T20:09:30.455Z",
"batchId" : 1377,
"numInputRows" : 687,
"inputRowsPerSecond" : 32.13433743393049,
"processedRowsPerSecond" : 34.067241892293964,
"durationMs" : {
"addBatch" : 18352,
"getBatch" : 0,
"latestOffset" : 31,
"queryPlanning" : 977,
"triggerExecution" : 20165,
"walCommit" : 342
},
"eventTime" : {
"avg" : "2022-10-31T20:09:18.070Z",
"max" : "2022-10-31T20:09:30.125Z",
"min" : "2022-10-31T20:09:09.793Z",
"watermark" : "2022-10-31T20:08:46.355Z"
},
"stateOperators" : [ {
"operatorName" : "stateStoreSave",
"numRowsTotal" : 208,
"numRowsUpdated" : 73,
"allUpdatesTimeMs" : 434,
"numRowsRemoved" : 76,
"allRemovalsTimeMs" : 515,
"commitTimeMs" : 0,
"memoryUsedBytes" : 167069743,
"numRowsDroppedByWatermark" : 0,
"numShufflePartitions" : 20,
"numStateStoreInstances" : 20,
"customMetrics" : {
"rocksdbBytesCopied" : 0,
"rocksdbCommitCheckpointLatency" : 0,
"rocksdbCommitCompactLatency" : 0,
"rocksdbCommitFileSyncLatencyMs" : 0,
"rocksdbCommitFlushLatency" : 0,
"rocksdbCommitPauseLatency" : 0,
"rocksdbCommitWriteBatchLatency" : 0,
"rocksdbFilesCopied" : 0,
"rocksdbFilesReused" : 0,
"rocksdbGetCount" : 222,
"rocksdbGetLatency" : 0,
"rocksdbPutCount" : 0,
"rocksdbPutLatency" : 0,
"rocksdbReadBlockCacheHitCount" : 165,
"rocksdbReadBlockCacheMissCount" : 41,
"rocksdbSstFileSize" : 232729,
"rocksdbTotalBytesRead" : 12844,
"rocksdbTotalBytesReadByCompaction" : 0,
"rocksdbTotalBytesReadThroughIterator" : 161238,
"rocksdbTotalBytesWritten" : 0,
"rocksdbTotalBytesWrittenByCompaction" : 0,
"rocksdbTotalCompactionLatencyMs" : 0,
"rocksdbTotalFlushLatencyMs" : 0,
"rocksdbWriterStallLatencyMs" : 0,
"rocksdbZipFileBytesUncompressed" : 0
}
}, {
"operatorName" : "dedupe",
"numRowsTotal" : 2454744,
"numRowsUpdated" : 73,
"allUpdatesTimeMs" : 4155,
"numRowsRemoved" : 0,
"allRemovalsTimeMs" : 0,
"commitTimeMs" : 0,
"memoryUsedBytes" : 137765341,
"numRowsDroppedByWatermark" : 34,
"numShufflePartitions" : 20,
"numStateStoreInstances" : 20,
"customMetrics" : {
"numDroppedDuplicateRows" : 193,
"rocksdbBytesCopied" : 0,
"rocksdbCommitCheckpointLatency" : 0,
"rocksdbCommitCompactLatency" : 0,
"rocksdbCommitFileSyncLatencyMs" : 0,
"rocksdbCommitFlushLatency" : 0,
"rocksdbCommitPauseLatency" : 0,
"rocksdbCommitWriteBatchLatency" : 0,
"rocksdbFilesCopied" : 0,
"rocksdbFilesReused" : 0,
"rocksdbGetCount" : 146,
"rocksdbGetLatency" : 0,
"rocksdbPutCount" : 0,
"rocksdbPutLatency" : 0,
"rocksdbReadBlockCacheHitCount" : 3,
"rocksdbReadBlockCacheMissCount" : 3,
"rocksdbSstFileSize" : 78959140,
"rocksdbTotalBytesRead" : 0,
"rocksdbTotalBytesReadByCompaction" : 0,
"rocksdbTotalBytesReadThroughIterator" : 0,
"rocksdbTotalBytesWritten" : 0,
"rocksdbTotalBytesWrittenByCompaction" : 0,
"rocksdbTotalCompactionLatencyMs" : 0,
"rocksdbTotalFlushLatencyMs" : 0,
"rocksdbWriterStallLatencyMs" : 0,
"rocksdbZipFileBytesUncompressed" : 0
}
}, {
"operatorName" : "symmetricHashJoin",
"numRowsTotal" : 2583,
"numRowsUpdated" : 682,
"allUpdatesTimeMs" : 9645,
"numRowsRemoved" : 508,
"allRemovalsTimeMs" : 46,
"commitTimeMs" : 21,
"memoryUsedBytes" : 668544484,
"numRowsDroppedByWatermark" : 0,
"numShufflePartitions" : 20,
"numStateStoreInstances" : 80,
"customMetrics" : {
"rocksdbBytesCopied" : 0,
"rocksdbCommitCheckpointLatency" : 0,
"rocksdbCommitCompactLatency" : 0,
"rocksdbCommitFileSyncLatencyMs" : 0,
"rocksdbCommitFlushLatency" : 0,
"rocksdbCommitPauseLatency" : 0,
"rocksdbCommitWriteBatchLatency" : 0,
"rocksdbFilesCopied" : 0,
"rocksdbFilesReused" : 0,
"rocksdbGetCount" : 4218,
"rocksdbGetLatency" : 3,
"rocksdbPutCount" : 0,
"rocksdbPutLatency" : 0,
"rocksdbReadBlockCacheHitCount" : 3425,
"rocksdbReadBlockCacheMissCount" : 149,
"rocksdbSstFileSize" : 742827,
"rocksdbTotalBytesRead" : 866864,
"rocksdbTotalBytesReadByCompaction" : 0,
"rocksdbTotalBytesReadThroughIterator" : 0,
"rocksdbTotalBytesWritten" : 0,
"rocksdbTotalBytesWrittenByCompaction" : 0,
"rocksdbTotalCompactionLatencyMs" : 0,
"rocksdbTotalFlushLatencyMs" : 0,
"rocksdbWriterStallLatencyMs" : 0,
"rocksdbZipFileBytesUncompressed" : 0
}
} ],
"sources" : [ {
"description" : "KafkaV2[Subscribe[KAFKA_TOPIC_NAME_INPUT_A]]",
"startOffset" : {
"KAFKA_TOPIC_NAME_INPUT_A" : {
"0" : 349706380
}
},
"endOffset" : {
"KAFKA_TOPIC_NAME_INPUT_A" : {
"0" : 349706672
}
},
"latestOffset" : {
"KAFKA_TOPIC_NAME_INPUT_A" : {
"0" : 349706672
}
},
"numInputRows" : 292,
"inputRowsPerSecond" : 13.65826278123392,
"processedRowsPerSecond" : 14.479817514628582,
"metrics" : {
"avgOffsetsBehindLatest" : "0.0",
"estimatedTotalBytesBehindLatest" : "0.0",
"maxOffsetsBehindLatest" : "0",
"minOffsetsBehindLatest" : "0"
}
}, {
"description" : "KafkaV2[Subscribe[KAFKA_TOPIC_NAME_INPUT_B]]",
"startOffset" : {
KAFKA_TOPIC_NAME_INPUT_B" : {
"2" : 143147812,
"1" : 129288266,
"0" : 138102966
}
},
"endOffset" : {
"KAFKA_TOPIC_NAME_INPUT_B" : {
"2" : 143147812,
"1" : 129288266,
"0" : 138102966
}
},
"latestOffset" : {
"KAFKA_TOPIC_NAME_INPUT_B" : {
"2" : 143147812,
"1" : 129288266,
"0" : 138102966
}
},
"numInputRows" : 0,
"inputRowsPerSecond" : 0.0,
"processedRowsPerSecond" : 0.0,
"metrics" : {
"avgOffsetsBehindLatest" : "0.0",
"maxOffsetsBehindLatest" : "0",
"minOffsetsBehindLatest" : "0"
}
} ],
"sink" : {
"description" : "org.apache.spark.sql.kafka010.KafkaSourceProvider$KafkaTable@e04b100",
"numOutputRows" : 76
}
}
範例 Delta Lake to-Delta Lake StreamingQueryListener 事件
{
"id" : "aeb6bc0f-3f7d-4928-a078-ba2b304e2eaf",
"runId" : "35d751d9-2d7c-4338-b3de-6c6ae9ebcfc2",
"name" : "silverTransformFromBronze",
"timestamp" : "2022-11-01T18:21:29.500Z",
"batchId" : 4,
"numInputRows" : 0,
"inputRowsPerSecond" : 0.0,
"processedRowsPerSecond" : 0.0,
"durationMs" : {
"latestOffset" : 62,
"triggerExecution" : 62
},
"stateOperators" : [ ],
"sources" : [ {
"description" : "DeltaSource[dbfs:/FileStore/max.fisher@databricks.com/ctc/stateful-trade-analysis-demo/table]",
"startOffset" : {
"sourceVersion" : 1,
"reservoirId" : "84590dac-da51-4e0f-8eda-6620198651a9",
"reservoirVersion" : 3216,
"index" : 3214,
"isStartingVersion" : true
},
"endOffset" : {
"sourceVersion" : 1,
"reservoirId" : "84590dac-da51-4e0f-8eda-6620198651a9",
"reservoirVersion" : 3216,
"index" : 3214,
"isStartingVersion" : true
},
"latestOffset" : null,
"numInputRows" : 0,
"inputRowsPerSecond" : 0.0,
"processedRowsPerSecond" : 0.0,
"metrics" : {
"numBytesOutstanding" : "0",
"numFilesOutstanding" : "0"
}
} ],
"sink" : {
"description" : "DeltaSink[dbfs:/user/hive/warehouse/maxfisher.db/trade_history_silver_delta_demo2]",
"numOutputRows" : -1
}
}
範例 Kinesis-to-Delta Lake StreamingQueryListener 事件
{
"id" : "3ce9bd93-da16-4cb3-a3b6-e97a592783b5",
"runId" : "fe4a6bda-dda2-4067-805d-51260d93260b",
"name" : null,
"timestamp" : "2024-05-14T02:09:20.846Z",
"batchId" : 0,
"batchDuration" : 59322,
"numInputRows" : 20,
"inputRowsPerSecond" : 0.0,
"processedRowsPerSecond" : 0.33714304979602844,
"durationMs" : {
"addBatch" : 5397,
"commitBatch" : 4429,
"commitOffsets" : 211,
"getBatch" : 5,
"latestOffset" : 21998,
"queryPlanning" : 12128,
"triggerExecution" : 59313,
"walCommit" : 220
},
"stateOperators" : [ ],
"sources" : [ {
"description" : "KinesisV2[KinesisTestUtils-7199466178786508570-at-1715652545256]",
"startOffset" : null,
"endOffset" : [ {
"shard" : {
"stream" : "KinesisTestUtils-7199466178786508570-at-1715652545256",
"shardId" : "shardId-000000000000"
},
"firstSeqNum" : "49652022592149344892294981243280420130985816456924495874",
"lastSeqNum" : "49652022592149344892294981243290091537542733559041622018",
"closed" : false,
"msBehindLatest" : "0",
"lastRecordSeqNum" : "49652022592149344892294981243290091537542733559041622018"
}, {
"shard" : {
"stream" : "KinesisTestUtils-7199466178786508570-at-1715652545256",
"shardId" : "shardId-000000000001"
},
"firstSeqNum" : "49652022592171645637493511866421955849258464818430476306",
"lastSeqNum" : "49652022592171645637493511866434045107454611178897014802",
"closed" : false,
"msBehindLatest" : "0",
"lastRecordSeqNum" : "49652022592171645637493511866434045107454611178897014802"
} ],
"latestOffset" : null,
"numInputRows" : 20,
"inputRowsPerSecond" : 0.0,
"processedRowsPerSecond" : 0.33714304979602844,
"metrics" : {
"avgMsBehindLatest" : "0.0",
"maxMsBehindLatest" : "0",
"minMsBehindLatest" : "0",
"mode" : "efo",
"numClosedShards" : "0",
"numProcessedBytes" : "30",
"numProcessedRecords" : "18",
"numRegisteredConsumers" : "1",
"numStreams" : "1",
"numTotalShards" : "2",
"totalPrefetchedBytes" : "0"
}
} ],
"sink" : {
"description" : "DeltaSink[dbfs:/streaming/test/KinesisToDeltaServerlessLiteSuite/2024-05-14-01-58-14-76eb7e51/56b9426c-3492-4ac5-8fe8-3d00efe20be5/deltaTable]",
"numOutputRows" : -1
}
}
範例 Kafka+Delta Lake to-Delta Lake StreamingQueryListener 事件
{
"id" : "210f4746-7caa-4a51-bd08-87cabb45bdbe",
"runId" : "42a2f990-c463-4a9c-9aae-95d6990e63f4",
"name" : null,
"timestamp" : "2024-05-15T21:57:50.782Z",
"batchId" : 0,
"batchDuration" : 3601,
"numInputRows" : 20,
"inputRowsPerSecond" : 0.0,
"processedRowsPerSecond" : 5.55401277422938,
"durationMs" : {
"addBatch" : 1544,
"commitBatch" : 686,
"commitOffsets" : 27,
"getBatch" : 12,
"latestOffset" : 577,
"queryPlanning" : 105,
"triggerExecution" : 3600,
"walCommit" : 34
},
"stateOperators" : [ {
"operatorName" : "symmetricHashJoin",
"numRowsTotal" : 20,
"numRowsUpdated" : 20,
"allUpdatesTimeMs" : 473,
"numRowsRemoved" : 0,
"allRemovalsTimeMs" : 0,
"commitTimeMs" : 277,
"memoryUsedBytes" : 13120,
"numRowsDroppedByWatermark" : 0,
"numShufflePartitions" : 5,
"numStateStoreInstances" : 20,
"customMetrics" : {
"loadedMapCacheHitCount" : 0,
"loadedMapCacheMissCount" : 0,
"stateOnCurrentVersionSizeBytes" : 5280
}
} ],
"sources" : [ {
"description" : "KafkaV2[Subscribe[topic-1]]",
"startOffset" : null,
"endOffset" : {
"topic-1" : {
"1" : 5,
"0" : 5
}
},
"latestOffset" : {
"topic-1" : {
"1" : 5,
"0" : 5
}
},
"numInputRows" : 10,
"inputRowsPerSecond" : 0.0,
"processedRowsPerSecond" : 2.77700638711469,
"metrics" : {
"avgOffsetsBehindLatest" : "0.0",
"estimatedTotalBytesBehindLatest" : "0.0",
"maxOffsetsBehindLatest" : "0",
"minOffsetsBehindLatest" : "0"
}
}, {
"description" : "DeltaSource[file:/tmp/spark-1b7cb042-bab8-4469-bb2f-733c15141081]",
"startOffset" : null,
"endOffset" : {
"sourceVersion" : 1,
"reservoirId" : "b207a1cd-0fbe-4652-9c8f-e5cc467ae84f",
"reservoirVersion" : 1,
"index" : -1,
"isStartingVersion" : false
},
"latestOffset" : null,
"numInputRows" : 10,
"inputRowsPerSecond" : 0.0,
"processedRowsPerSecond" : 2.77700638711469,
"metrics" : {
"numBytesOutstanding" : "0",
"numFilesOutstanding" : "0"
}
} ],
"sink" : {
"description" : "DeltaSink[/tmp/spark-d445c92a-4640-4827-a9bd-47246a30bb04]",
"numOutputRows" : -1
}
}
Delta Lake StreamingQueryListener 事件的範例速率來源
{
"id" : "912ebdc1-edf2-48ec-b9fb-1a9b67dd2d9e",
"runId" : "85de73a5-92cc-4b7f-9350-f8635b0cf66e",
"name" : "dataGen",
"timestamp" : "2022-11-01T18:28:20.332Z",
"batchId" : 279,
"numInputRows" : 300,
"inputRowsPerSecond" : 114.15525114155251,
"processedRowsPerSecond" : 158.9825119236884,
"durationMs" : {
"addBatch" : 1771,
"commitOffsets" : 54,
"getBatch" : 0,
"latestOffset" : 0,
"queryPlanning" : 4,
"triggerExecution" : 1887,
"walCommit" : 58
},
"stateOperators" : [ ],
"sources" : [ {
"description" : "RateStreamV2[rowsPerSecond=100, rampUpTimeSeconds=0, numPartitions=default",
"startOffset" : 560,
"endOffset" : 563,
"latestOffset" : 563,
"numInputRows" : 300,
"inputRowsPerSecond" : 114.15525114155251,
"processedRowsPerSecond" : 158.9825119236884
} ],
"sink" : {
"description" : "DeltaSink[dbfs:/user/hive/warehouse/maxfisher.db/trade_history_bronze_delta_demo]",
"numOutputRows" : -1
}
}