介绍
一句话介绍:
Dr.Elephant是Apache Hadoop和Apache Spark的job级和工作流级性能监视和调优工具。
由Linkedin开源贡献,github地址为:
https://github.com/linkedin/dr-elephant
定位:
成一个对Hadoop和Spark任务进行性能监控和调优的工具,能够自动收集Hadoop平台所有的度量标准,并对收集的数据进行分析,并将分析结果以一种简单且易于理解的形式展示出来。
为什么选择介绍Dr.Elehant
对于常规的cpu、io、memory等指标的监控,软件测试人员可以数出大量的工具,而对于针对大数据job和工作流级的监控工具估计很多人都不知道了,最近通过在github上搜索相关资源,发现了Dr.Elehant,对其相关文档做了大概的阅读,选择了这款工具作为后续大数据测试学习的一个选择,以便后续在实践过程中能够更好的采集测试指标用于分析。
Dr.Elephant是如何工作的
Dr.Elephant周期性的从Yarn的Resource Manager获取所有最近成功和失败的应用程序列表。
从Job历史列表中获取每个应用的元数据:counter、配置、任务数据。
一旦它拥有所有的元数据,Dr.Elephant便运行一组启发式(heuristics),并产生对单个启发式和任务整体性能的诊断报告。
然后,报告中用五个严重性级别来标记不同的结果,以表明潜在的性能问题。
核心功能
- 启发式算法是基于规则的,且是插件式、可配置的,具有良好扩展性,能分析各种各样的框架
- 创造性的和Azkaban调度器集成,并且支持任意一种Hadoop任务调度器,例如Oozie
- 能自动统计所有历史任务的性能
- 能实现Job级别的任务流性能比较
- 对Hadoop和Spark任务能进行性能诊断
- 具有良好的扩展性,能支持新种类的任务、应用和调度器
- 提供REST API,用户能够通过API获取所有信息
首页
Dr.Elephant启动后,首页如下:
任务详情
重点看下任务详情,这个是日常测试过程中非常关注的部分:
点击一个任务,可以进入任务详情页面。
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上大数据知识点,真正体系化!
由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新
面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新**