Anteckning
Åtkomst till den här sidan kräver auktorisering. Du kan prova att logga in eller ändra kataloger.
Åtkomst till den här sidan kräver auktorisering. Du kan prova att ändra kataloger.
Microsoft Fabric Notebook är en webbaserad interaktiv yta för att utveckla Apache Spark-jobb och utföra maskininlärningsexperiment. Den här artikeln beskriver hur du övervakar förloppet för dina Spark-jobb, får åtkomst till Spark-loggar, får råd i notebook-filen och navigerar till Spark-programinformationsvyn eller Spark-användargränssnittet för mer omfattande övervakningsinformation för hela notebook-filen.
Övervaka Förlopp för Spark-jobb
En förloppsindikator för Spark-jobb tillhandahålls med en förloppsindikator i realtid som hjälper dig att övervaka jobbets körningsstatus för varje notebook-cell. Du kan visa status och uppgifters förlopp i dina Spark-jobb och -faser.
Övervaka resursanvändning
Grafen för körningsanvändning visar visuellt allokeringen av Spark-jobbexekutorer och resursanvändning. För närvarande visas endast körningsinformationen för spark 3.4 och senare den här funktionen. Klicka på fliken Resurser . Linjediagrammet för resursanvändningen för kodcellen visas.
Visa Spark Advisor-rekommendationer
En inbyggd Spark-rådgivare analyserar din notebook-kod och Spark-körningar i realtid för att optimera prestanda för din notebook-fil och hjälpa till att felsöka fel. Det finns tre typer av inbyggda råd: Information, Varning och Fel. Ikonerna med tal anger respektive antal råd i varje kategori (information, varning och fel) som genereras av Spark-rådgivaren för en viss notebook-cell.
Om du vill visa råden klickar du på pilen i början för att expandera och visa informationen.
När du har utökat advisor-avsnittet blir en eller flera råd synliga.
Identifiering av Spark Advisor-skevhet
Datasnedvridning är ett vanligt problem som användare ofta stöter på. Spark-rådgivaren stöder skev identifiering och om skevhet identifieras visas en motsvarande analys nedan.
Komma åt Spark-realtidsloggar
Spark-loggar är viktiga för att hitta undantag och diagnostisera prestanda eller fel. Den sammanhangsberoende övervakningsfunktionen i notebook-filen ger loggarna direkt till dig för den specifika cell som du kör. Du kan söka i loggarna eller filtrera dem efter fel och varningar.
Gå till Spark-övervakningsinformation och Spark-användargränssnitt
Om du vill komma åt ytterligare information om Spark-körningen på notebook-nivå kan du gå till sidan med Spark-programinformation eller Spark-användargränssnittet via de alternativ som är tillgängliga på snabbmenyn.
