如何查看AWS Glue ETL作业中的print语句输出？

customer_churn = glueContext.create_dynamic_frame.from_catalog(database=db_name, table_name=tbl_customer_churn)
customer_churn = cust_joined.join(paths1=["customer id"], paths2=['id'], frame2=other_table)

logger.info(f"Customer_churn_joined:\n")
customer_churn.printSchema()

s_customer_churn = customer_churn.toDF().select("customer id")

logger.info(f"Customer_churn_just_cust_id:\n")
s_customer_churn.printSchema()

s_customer_churn.write.option("header","true").format("csv").mode('Overwrite').save(output_dir)

logger.info("output_dir:" + output_dir)

#### 其他相关信息：
- Glue版本：5
- 类型：Spark
- 语言：Python3
- 作业可观测性指标：已开启
- 持续日志记录：已开启

### 已尝试操作
我查看了持续日志标签，能看到logger语句，但没有print语句输出。我看到输出日志会发送到CloudWatch（截图右下角），点击该链接后，所有日志中均未找到我的print语句。为何查找起来如此困难？
![output_logs link](https://i.sstatic.net/QryuYVnZ.png)

---

### 回答

#### 1. print语句的输出位置
在Glue Spark作业中，`print()`或`printSchema()`的输出不会进入默认的持续日志流，而是被发送到**CloudWatch的`/aws-glue/jobs/output`日志组**里。这个日志组对应作业驱动程序和执行器的标准输出/错误日志，你需要在这里查找print内容。

日志流的命名格式通常是`job-<你的作业名>-run-<运行ID>-<driver/executor标识>`，直接搜索作业名就能快速定位。

#### 2. 替代print的更便捷调试方法
既然`printSchema()`返回`None`，可以直接把Schema序列化为字符串写入logger，这样就能在你已经能看到的日志里查看：
```python
# 处理DynamicFrame的Schema
schema_json = customer_churn.schema().json()
logger.info(f"Customer_churn_joined Schema:\n{schema_json}")

# 处理DataFrame的Schema
schema_json = s_customer_churn.schema.json()
logger.info(f"Customer_churn_just_cust_id Schema:\n{schema_json}")

3. 确保日志配置正确

• 检查作业配置的“日志选项”，确认已开启驱动程序日志和执行器日志的收集，这两个选项默认可能未启用。
• 把日志级别设置为INFO或DEBUG，避免print输出被日志过滤规则拦截。

内容的提问来源于stack exchange，提问作者d-gg