我有一个项目,使用java,scala和Apache Spark来对基因组数据进行分布式计算。使用py4j并模仿PySpark模型,我们公开了一个调用JVM的python API。我们的目标是将这个模型带入jupyter笔记本电脑,到目前为止,它已经非常容易了,还有一个挥之不去的问题:日志记录。
我们(和Spark)使用log4j将日志消息写入日志文件和stderr。这个stderr是java进程的stderr,所以如果我从jupyter笔记本运行两个命令:
print('foo')
info('bar') # calls log4j logger.info in JVM
我看到'foo'写入了jupyter单元格,但是'bar'被写入运行jupyter进程的终端。
将log4j连接到jupyter笔记本,以便将log4j消息写入jupyter单元而不是终端。
java log4j.ConsoleAppender正在写入java stderr。所以,我们需要以某种方式通过jupyter路由java stderr,对吧?这可能涉及使用System.setOut(...)
与PrintStream
对象连接到jupyter进程,但我还不确定如何做到这一点。
我们通过使用单独的套接字在Java和Python之间进行通信来解决这个问题。这是提交diff:https://github.com/hail-is/hail/commit/93d7e95a82ab39501eede7ecb301538bcd013ea8