更新时间：2026-05-22 GMT+08:00
查看作业历史
在数据处理流程中，用户通常需要追溯不同计算框架作业的执行状态与历史记录以进行运维分析或故障排查。
当前AI DataLake支持作业历史查询功能，支持通过名称、ID或状态筛选Aura、Ray及Spark作业的运行记录，并在展示界面中分层显示运行端点的显示名称与实际名称，帮助用户精准识别作业执行上下文，提升作业管理的可观测性与操作便捷性。
历史作业保留时间
- AI DataLake“作业历史”界面中，支持查看Ray、Spark作业7天内的作业历史，支持查看Aura作业3天内的作业历史，过期将不可查询。
- 作业保留时间以作业执行时间开始计算。
前提条件
当前空间已提交Aura、Ray或Spark作业。
查看作业历史
- 登录AI DataLake管理控制台。
- 在页面左上角切换至对应的工作空间。
- 在左侧导航栏选择“作业开发 > 作业历史”进入作业运行历史页面。
在列表上方可以根据作业名称/作业ID、状态等关键词进行搜索。
图1 查看作业运行历史
- 在“作业运行历史”页面中，选择“多模数据引擎 Aura”页签，查看Aura引擎作业的运行记录。
- 在Aura作业列表上方可以切换AuraJob和AuraJobV2，查看V1和V2类型作业的信息。
- 作业列表中可以查看作业名称/ID、端点名称、状态、提交时间、执行时间、运行时长、提交人等信息。详细参数介绍，请参考管理Aura引擎端点中6。
- 单击作业名称/ID，或单击“操作”列“查看详情”，在展开的页面中可以查看作业的详细信息。
- 在“作业运行历史”页面中，选择“AI 计算引擎 Ray”页签，查看Ray引擎作业的运行记录。
- 作业列表中可以查看作业名称/ID、端点名称、状态、提交时间、执行时间、运行时长、提交人等信息。详细参数介绍，请参考管理Ray引擎端点。
- 单击作业名称，或单击“操作”列“查看详情”，在展开的页面中可以查看作业的详细信息。
- 在“作业运行历史”页面中，选择“批处理引擎 Spark”页签，查看Spark引擎作业的运行记录。
- 在Spark作业列表上方可以切换SparkSQL和SparkJob，查看SQL和Job类型作业的信息。
- 作业列表中可以查看作业名称/ID、端点名称、状态、提交时间、执行时间、运行时长、提交人等信息。
- 单击作业名称，或单击“操作”列“查看详情”，在展开的页面中可以查看作业的基本信息和参数配置信息。
- 归档日志：单击Spark历史作业列表“操作”列的“归档日志”，系统跳转到OBS页面，可以在对应作业日志的OBS路径中查看日志信息。
- 查看Spark UI：单击Spark历史作业列表“操作”列的“Spark UI”，可以在Spark UI中查看作业运行信息。
