前言
从EMR-3.18.1版本开始，EMR将提供Spark Streaming SQL预览版功能。本次作为新特性的一部分，EMR将扩展现有Spark WebUI，支持Structured Streaming Query的统计信息查看。
功能介绍
Query列表
我们在现有Spark WebUI上新增了streamingsql Tab，用于展示当前作业中进行中以及完成的Streaming Query。
URL地址：http://${baseUrl}/streamingsql
Active Streaming Queries：当前正在运行的query
Completed Streaming Queries：已完成的query，包括结束的和失败的query
| 列名 | 说明 |
|---|---|
| Query Name | 查询Name，通过“SET streaming.query.name=${QUERY_NAME}”指定。 |
| Status | 当前运行状态，包括RUNNING，FAILED和FINISHED。 |
| Id | Query ID，保存到checkpoint中，多次运行同一个query， id保持不变。 |
| Run ID | Query Run ID，每次重新运行query，都会重新生成一个Run ID。 |
| Submit Time | 当前Query提交执行的时间。 |
| Duration | 当前Query运行时间。 |
| Avg Input PerSec | 最近"spark.sql.streaming.numRecentProgressUpdates"个批次的平均数据输入速率。默认最近100个批次统计信息。 |
| Avg Process PerSec | 最近"spark.sql.streaming.numRecentProgressUpdates"个批次的平均数据处理速率。默认最近100个批次统计信息。 |
| Total Input Rows | 最近"spark.sql.streaming.numRecentProgressUpdates"个批次的数据条数总和，注意不是Query运行期间的数据条数总和。默认最近100个批次统计信息。 |
| Last Batch ID | 最近一次完成的Batch ID。 |
| Last Progress | 最近一次批次的执行信息。 |
| ERROR | 如果Query失败，展示摘要错误信息。 |
支持在界面上kill某个query。
kill之后状态变为“FINISHED”：
Query统计详情
通过点击Query的RunID，可以查看当前Query的运行统计信息，包括：Input Rate，Process Rate，Input Rows的时序变化，以及每个批次的Duration堆栈图，包括WalCommit，QueryPlanning，GetOffset，GetBatch以及AddBatch。
URL地址：http://${baseUrl}/streamingsql/statistics?id=9d7e9076-f96a-4d19-9f82-460b5af57daa
我们可以查看任意时间的Batch的各个执行阶段的时间消耗。
同样的，这里将只会展示“spark.sql.streaming.numRecentProgressUpdates”个Batch的统计信息。如果需要查看更长周期内的统计信息，可以设置“spark.sql.streaming.numRecentProgressUpdates”为更大值。需要注意的是，这会带来一定的内存开销。
小结
以上简单演示了Structured Streaming Query的管理和统计信息查看功能。当前Spark Streaming SQL处于预览阶段，我们将在UI上集成更多有用的信息，方便大家查看和监控作业的运行状态。