As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

# Investigar problemas de performance usando a interface do usuário do Spark
<a name="investigate"></a>

Antes de aplicar as melhores práticas para ajustar o desempenho de seus AWS Glue trabalhos, é altamente recomendável que você defina o perfil do desempenho e identifique os gargalos. Isso ajudará você a focar as coisas certas.

Para uma análise rápida, [ CloudWatch as métricas da Amazon](https://docs.aws.amazon.com/glue/latest/dg/monitoring-awsglue-with-cloudwatch-metrics.html) fornecem uma visão básica das métricas do seu trabalho. A [interface do usuário do Spark](https://docs.aws.amazon.com/glue/latest/dg/monitor-spark-ui.html) fornece uma visão mais profunda do ajuste de performance. Para usar a interface do Spark com AWS Glue, você deve [habilitar a interface do Spark para seus AWS Glue trabalhos](https://docs.aws.amazon.com/glue/latest/dg/monitor-spark-ui-jobs.html). Depois de se familiarizar com a interface do usuário do Spark, siga as [estratégias para ajustar a performance de trabalho do Spark](performance-tuning-strategies.md) para identificar e reduzir o impacto dos gargalos com base em suas descobertas.

## Identificar gargalos usando a interface do usuário do Spark
<a name="identify"></a>

Quando você abre a interface do usuário do Spark, as aplicações do Spark estão listados em uma tabela. Por padrão, um **Nome de aplicação** de um trabalho do AWS Glue é `nativespark-<Job Name>-<Job Run ID>`. Escolha a aplicação de destino do Spark com base no ID de execução do trabalho para abrir a guia **Trabalhos**. Execuções incompletas de trabalhos, como execuções de trabalhos de streaming, estão listadas em **Mostrar aplicações incompletas**.

A guia **Trabalhos** mostra um resumo de todos os trabalhos na aplicação do Spark. Para determinar qualquer falha da etapa ou tarefa, verifique o número total de tarefas. Para encontrar os gargalos, classifique escolhendo **Duração**. Aprofunde-se nos detalhes de trabalhos de longa duração escolhendo o link mostrado na coluna **Descrição**.



![A guia Spark Jobs mostra a duração, os estágios succeeded/total e as tarefas succeeded/total.](http://docs.aws.amazon.com/pt_br/prescriptive-guidance/latest/tuning-aws-glue-for-apache-spark/images/spark-jobs-duration.png)


A página **Detalhes do trabalho** lista as etapas. Nesta página, você pode ver insights gerais, como a duração, o número de tarefas bem-sucedidas e o total, o número de entradas e saídas e a quantidade de leitura e gravação do shuffle.



![""](http://docs.aws.amazon.com/pt_br/prescriptive-guidance/latest/tuning-aws-glue-for-apache-spark/images/job-details.png)


A guia **Executor** mostra a capacidade do cluster do Spark em detalhes. Você pode verificar o número total de núcleos. O cluster mostrado na captura de tela a seguir contém 316 núcleos ativos e 512 núcleos no total. Por padrão, cada núcleo pode processar uma tarefa do Spark ao mesmo tempo.



![Resumo da página de executores mostrando o número núcleos dos executores.](http://docs.aws.amazon.com/pt_br/prescriptive-guidance/latest/tuning-aws-glue-for-apache-spark/images/executors-tab.png)


Com base no valor `5/5` mostrado na página **Detalhes do trabalho**, a etapa 5 é a etapa mais longa, mas usa apenas 5 núcleos do total de 512. Como o paralelismo dessa etapa é muito baixo, mas leva um tempo significativo, você pode identificá-la como um gargalo. Para melhorar a performance, você precisa entender o porquê. Para saber mais sobre como reconhecer e reduzir o impacto de gargalos comuns de performance, consulte [Strategies for tuning Spark job performance](performance-tuning-strategies.md).