怎么统计SparkStreaming在数据上的运行时间（linux没有图形界面）

在Linux服务器上跑了一个SparkStreaming程序，需要统计程序在数据集上的运行时间，可是linux没有图形化界面，没法查看网页UI界面。SparkStreaming是7*24小时一直运行的，数据运行完，程序停不下来，没法统计时间。这种情况下请问怎么实现程序消耗的时间？

没太看懂。Linux没有，spark有UI界面。spark streaming是一直运行的，但是一个job的运行时间，是有统计。

下面是一个例子
scala 统计Datastage log 中每个job 的执行时间 以及一个batch job 中total 时间

[mw_shl_code=scala,true]package com.x.h

import java.io.File
import scala.io.Source

/**
  * Created by xxxxx on 3/7/2017.
  * read logs and anlysis the interval time
  * Notes://ltsgdb001b/8525691C004D9994/0000035F7480610585255D74006B9E95/5A5A500686EEF43F852580DC000884BB
  */
object AnlysisSnsLogs extends App{

  getTheLastedFile

  def getTheLastedFile(): Unit ={
    var file = new File("C:\\Users\\IBM_ADMIN\\Desktop\\cognos\\datastage\\anlysislogs")
    for (f <- file.listFiles()){    // 这里可以增加根据文章标题时间戳获取最新文章 增加排序功能
      println(f.getName.toString.substring(0,8))
      readFiles(f.toString)
    }

  }
  def readFiles(file :String): Unit ={
    import scala.collection.mutable
    //Scala 列表类似于数组，它们所有元素的类型都相同，但是它们也有所不同：列表是不可变的，值一旦被定义了就不能改变，其次列表 具有递归的结构（也就是链接表结构）而数组不是。。
    var jobName =new Array[String](30)  //这里定义数组还是有问题的
    var job = 0
    var jobTime =new Array[String](30) //这里定义数组还是有问题的
    var job1 = 0
    val  source =  Source.fromFile(file)
    for (line <- source.getLines()){
      if(line.contains("STATUS REPORT FOR JOB:")){  //找包含有特定字符串的行
        jobName(job) = line.toString.substring(23)
        job +=1
      }
      if(line.contains("Job elapsed time=")){
        jobTime(job1) = line.toString.substring(20)
        job1 +=1
      }
    }
    val lastArray = jobName.toList.zip(jobTime.toList)
    for( loop <- 0 to job -1){       // 上面定义的数组出现异常 ，所有这里用真实的数组长度
      println(lastArray(loop)._1.toString +" : "+ lastArray(loop)._2)
    }
   // lastArray.foreach(x => println(x._1.toString +" : "+ x._2))
    var totalTime = 0
    for(getTime <- 0 to job1 -1){
      val times  = jobTime(getTime).split(":")
      totalTime += times(0).toInt * 3600 + times(1).toInt * 60 + times(2).toInt   // 计算总时间
     }
    println("Total time is : " + totalTime/3600 + ":" + ((totalTime%3600)/60) + ":" + ((totalTime%3600)%60) )  // 标准时间  Total time is : 6:28:8
  }

}[/mw_shl_code]

langke93 发表于 2018-4-15 19:51
没太看懂。Linux没有，spark有UI界面。spark streaming是一直运行的，但是一个job的运行时间，是有统计。

linux没有图形界面，所以没有浏览器可以看Spark UI

星语心愿 发表于 2018-4-15 20:08
linux没有图形界面，所以没有浏览器可以看Spark UI

在其它客户端也是可以访问的。比如我们网站发布到Linux上，都是server版的，也没有界面，照样可以访问。所以只要跟你的ip是同一个段，然后输入ip地址和端口，spark ui就可以访问了。
道理这里面比较深了，可以搜索下服务器和web的关系。

langke93 发表于 2018-4-15 20:12
在其它客户端也是可以访问的。比如我们网站发布到Linux上，都是server版的，也没有界面，照样可以访问。 ...

嗯，是的，同一个网段就行，可是我是远程控制的，不在同一个网段

星语心愿 发表于 2018-4-15 20:20
嗯，是的，同一个网段就行，可是我是远程控制的，不在同一个网段

远程这个没办法。除非允许外网访问。

直接用代码算呢

fly2015 发表于 2018-4-16 11:28
直接用代码算呢

我也想用代码算，可是时间差的计算只运行了一次，也就是第一个mini-batch数据，以后的mini-batch数据时间不触发时间差的计算了

fly2015 发表于 2018-4-16 11:28
直接用代码算呢

我也想用代码算，可是时间差的计算只运行了一次，也就是第一个mini-batch数据，以后的mini-batch数据时间不触发时间差的计算了