使用作业重试策略 - Amazon EMR
设置重试策略检索策略状态监控任务查找驱动程序日志
Amazon Web Services 文档中描述的 Amazon Web Services 服务或功能可能因区域而异。要查看适用于中国区域的差异，请参阅 中国的 Amazon Web Services 服务入门 (PDF)。

本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

使用作业重试策略

在 Amazon EMR on EKS 6.9.0 版本及更高版本中，您可以为作业运行设置重试策略。重试策略会在作业驱动程序容器组（pod）失败或被删除时自动重新启动。这使得长时间运行的 Spark 流式传输作业在出现故障时更具弹性。

设置任务的重试策略

要配置重试策略，您可以使用 StartJobRun API 提供一个 RetryPolicyConfiguration 字段。此处显示了一个示例 retryPolicyConfiguration：

aws emr-containers start-job-run \
--virtual-cluster-id cluster_id \
--name sample-job-name \
--execution-role-arn execution-role-arn \
--release-label emr-6.9.0-latest \
--job-driver '{
  "sparkSubmitJobDriver": {
    "entryPoint": "local:///usr/lib/spark/examples/src/main/python/pi.py",
    "entryPointArguments": [ "2" ],
    "sparkSubmitParameters": "--conf spark.executor.instances=2 --conf spark.executor.memory=2G --conf spark.executor.cores=2 --conf spark.driver.cores=1"
  }
}' \
--retry-policy-configuration '{
    "maxAttempts": 5
  }' \
--configuration-overrides '{
  "monitoringConfiguration": {
    "cloudWatchMonitoringConfiguration": {
      "logGroupName": "my_log_group_name",
      "logStreamNamePrefix": "my_log_stream_prefix"
    },
    "s3MonitoringConfiguration": {
       "logUri": "s3://DOC-EXAMPLE-BUCKET-LOGGING"
    }
  }
}'
注意

retryPolicyConfiguration 仅从 Amazon CLI 1.27.68 版本开始可用。要将 Amazon CLI 更新到最新版本，请参阅安装或更新 Amazon CLI 的最新版本

为此 maxAttempts 字段配置您希望在作业驱动程序容器组（pod）失败或被删除时重新启动的最大次数。两次作业驱动程序重试之间的执行间隔是指数重试间隔（10 秒、20 秒、40 秒...），上限为 6 分钟，如 Kubernetes 文档中所述。

注意

每额外执行一次作业驱动程序都将作为另一次作业运行进行计费，并根据 Amazon EMR on EKS 定价而定。

重试策略配置值

  • 作业的默认重试策略：StartJobRun 包括默认情况下最大尝试次数设置为 1 的重试策略。您可以根据需要配置重试策略。

    注意

    如果 retryPolicyConfiguration 的 maxAttempts 设置为 1，则表示在失败时不会重试启动驱动程序容器组（pod）。

  • 禁用作业重试策略：要禁用重试策略，请将 retryPolicyConfiguration 中的最大尝试次数值设置为 1。

    "retryPolicyConfiguration": {
    "maxAttempts": 1
}

  • 在有效范围内为作业设置 maxAttempts：如果 maxAttempts 值超出有效范围，则 StartJobRun 调用将失败。有效 maxAttempts 范围介于 1 到 2147483647（32 位整数）之间，该范围受 Kubernetes 的 backOffLimit 配置设置支持。有关更多信息，请参阅 Kubernetes 文档中的 容器组（pod）回退失败策略。如果该 maxAttempts 值无效，则系统会返回以下错误消息：

    {
 "message": "Retry policy configuration's parameter value of maxAttempts is invalid"
}

检索任务重试策略的状态

您可以使用 ListJobRuns 和 DescribeJobRun API 查看任务的重试状态。请求启用了重试策略配置的任务后，ListJobRun 和 DescribeJobRun 响应将在 RetryPolicyExecution 字段中包含重试策略的状态。此外，DescribeJobRun 响应将包含在任务的 StartJobRun 请求中输入的 RetryPolicyConfiguration。

示例响应

ListJobRuns response
{
  "jobRuns": [
    ...
    ...
    "retryPolicyExecution" : {
      "currentAttemptCount": 2
    }
    ...
    ...
  ]
}
DescribeJobRun response
{
  ...
  ...
  "retryPolicyConfiguration": {
    "maxAttempts": 5
   },
   "retryPolicyExecution" : {
    "currentAttemptCount": 2
  },
  ...
  ...
}

在禁用作业中的重试策略后，这些字段将不可见，如以下 重试策略配置值 中所述。

使用重试策略监控作业

启用重试策略后，会为创建的每个作业驱动程序生成 CloudWatch 事件。要订阅这些事件，请使用以下命令设置 CloudWatch 事件规则：

aws events put-rule \
--name cwe-test \
--event-pattern '{"detail-type": ["EMR Job Run New Driver Attempt"]}'

该事件将返回有关作业驱动程序的 newDriverPodName、newDriverCreatedAt 时间戳、previousDriverFailureMessage 和 currentAttemptCount 的信息。如果禁用重试策略，则不会创建这些事件。

有关如何使用 CloudWatch 事件监控任务的更多信息，请参阅 通过 Amazon Events CloudWatch 监控作业。

查找驱动程序和执行程序的日志

驱动程序 Pod 名称遵循格式 spark-<job id>-driver-<random-suffix>。相同的 random-suffix 会添加到驱动程序生成的执行程序 Pod 名称中。使用此 random-suffix 时，您可以找到驱动程序及其关联执行程序的日志。只有为任务启用了重试策略，random-suffix 才会存在；否则，random-suffix 不会存在。

有关如何使用监控配置来配置任务以用于日志记录的更多信息，请参阅 运行 Spark 应用程序。