用途：为 Google Cloud 上的 Spark 工作负载提供系统化排障指引，覆盖 Dataproc Serverless（Batches 与 Sessions）和标准 Dataproc 集群，同时用于分析、检索、追踪与汇总存储在 GCS 中的 Spark 驱动日志、执行器日志和事件日志。
主要能力：强调以证据为准，先定位根因再改动代码或基础设施；提供一组仅依赖 Python 标准库的辅助脚本，用于流式读取日志、分页查看错误上下文、解析 Spark 事件日志摘要，以及检查 PySpark 脚本和 Java/Scala 的 JAR、ZIP、CLASS 字节码（反汇编为可读 JVM 汇编，输出类结构、字符串常量、方法引用与内部类闭包）。
使用方式：需 Python 3.8+ 与已认证的 gcloud CLI。日志读取示例：python3 scripts/spark_gcs_log_reader.py --uri="<uri>" --action=info；事件日志摘要用 --action=summarize_events；驱动输出用 --action=tail --lines=100；搜索用 --action=search --substring="Exception"，并可用 --ignore_case、--context、--max_matches 控制。代码检查用 python3 scripts/spark_code_inspector.py --uri=... ，可用 --entry 指定类名或归档路径。Serverless 批用 gcloud dataproc batches describe，集群作业用 gcloud dataproc jobs describe 获取元数据。
限制：脚本仅用标准库，不要 pip 安装；不得用脚本或作业解析超大日志，不得将多 GB 日志整体载入内存；不要对 .jar/.zip/.class 做文本解码；不要用日志喂给代码检查器。JDK、zst 解码器等为可选增强，缺失时功能降级但不阻断诊断。阶段诊断脚本需用户自行提供规则（--rules_file 或 --custom_rule），否则报错退出；"0 stages analyzed" 不代表健康。其余细节（如许可、价格）暂未提供。