文章目录
1. Standalone 模式
1.1 安装
解压缩 flink-1.10.1-bin-scala_2.12.tgz
,修改名称为 flink
,进入conf目录中。
-
修改
flink/conf/flink-conf.yaml
文件jobmanager.rpc.address: hadoop102
-
修改
flink/conf/slaves
文件hadoop103 hadoop103 hadoop104
-
分发给另外两台机器
$ scp -r flink dwjf321@hadoop103:`pwd` $ scp -r flink dwjf321@hadoop104:`pwd`
-
启动
./start-cluster.sh
访问 http://hadoop102:8081 可以对 flink 集群和任务进行监控管理。
2. YARN 模式
以 Yarn 模式部署 Flink 任务时,要求 Flink 是有 Hadoop 支持的版本,Hadoop 环境需要保证版本在 2.2 以上,并且集群中安装有 HDFS 服务。
2.1 Flink On Yarn
Flink 提供了两种在 yarn 上运行的模式,分别为 Session-Cluster
和 Per-Job-Cluster
模式。
-
Session-Cluster
Session-Cluster 模式需要先启动集群,然后再提交作业,接着会向 yarn 申请一块空间后,资源永远保持不变。如果资源满了,下一个作业就无法提交,只能等到 yarn 中的其中一个作业执行完成后,释放了资源,下个作业才会正常提交。所有作业共享 Dispatcher 和 ResourceManager;共享资源;适合规模小执行时间短的作业。
在 yarn 中初始化一个 flink 集群,开辟指定的资源,以后提交任务都向这里提交。这个 flink 集群会常驻在 yarn 集群中,除非手工停止。
-
Per-Job-Cluster
一个 Job 会对应一个集群,每提交一个作业会根据自身的情况,都会单独向 yarn 申请资源,直到作业执行完成,一个作业的失败与否并不会影响下一个作业的正常提交和运行。独享 Dispatcher 和 ResourceManager,按需接受资源申请;适合规模大长时间运行的作业。
每次提交都会创建一个新的 flink 集群,任务之间互相独立,互不影响,方便管理。任务执行完成之后创建的集群也会消失。
3. Session Cluster
-
启动 hadoop 集群 (略)
-
设置环境变量
export HADOOP_CLASSPATH=`hadoop classpath`
-
启动 yarn-session
$ ./yarn-session.sh -n 2 -s 2 -jm 1024 -tm 1024 - nm test -d
启动参数:
-D <arg> 动态配置,如:yarn.reallocate-failed -d,--detached 任务后台运行 -jm,--jobManagerMemory <arg> 1024 表示jobmanager 1024M内存 -tm,--taskManagerMemory <arg> 1024表示taskmanager 1024M内存 -nm,--name YARN上为一个自定义的应用设置一个名字 -q,--query 显示yarn中可用的资源 (内存, cpu核数) -qu,--queue <arg> 指定YARN队列 -s,--slots <arg> 指定每一个taskmanager分配多少个slots(处理进程)。建议设置为每个机器的CPU核数。一般情况下,vcore的数量等于处理的slot(-s)的数量 -z,--zookeeperNamespace <arg> 针对HA模式在zookeeper上创建NameSpace
-
执行任务
$ bin/flink run -c com.flink.wc.StreamWordCount WordCount-1.0-SNAPSHOT-jar-with-dependencies.jar --host hadoop102 –-port 7777
-
取消 yarn-session
yarn application --kill [任务ID]
4. Per-Job Cluster
-
启动 hadoop 集群 (略)
-
设置环境变量
export HADOOP_CLASSPATH=`hadoop classpath`
-
不启动 yarn-session,直接启动任务
$ bin/flink run -m yarn-cluster --yarnslots 3 -p 2 -yjm 1024m -ytm 1024m -c com.flink.wc.StreamWordCount WordCount-1.0-SNAPSHOT-jar-with-dependencies.jar --host hadoop102 –-port 7777 --output hdfs:///opt/module/flink/stream.log
启动参数:
-c,--class <classname> 如果没有在jar包中指定入口类,则需要在这里通过这个参数指定 -m,--jobmanager <host:port> 指定需要连接的jobmanager(主节点)地址,使用这个参数可以指定一个不同于配置文件中的jobmanager -p,--parallelism <parallelism> 指定程序的并行度。可以覆盖配置文件中的默认值 -yn taskmanager个数 -yjm jobmanager内存大小 -ytm taskmanager内存大小 -ys 一个taskmanager的slot个数
5. flink on yarn 故障恢复
flink 的 yarn 客户端通过下面的配置参数来控制容器的故障恢复。这些参数可以在 conf/flink-conf.yaml 或者启动 yarn session 的时候通过 -D
参数来指定。
yarn.reallocate-failed
:这个参数控制了 Flink 是否应该重新分配失败的 taskmanager容器,默认是 true。yarn.maximun-failed-containers
:applicationMaster 可以接受的容器最大失败次数,达到这个参数就会认为 yarn session 失败。默认这个次数和初始化请求的 taskmanager 数量相等( -n 参数指定的)。yarn.application-attempts
:applicationMaster 重试的次数。如果这个值被设置为 1 (默认值就是1)。当 application master 失败的时候,yarn session 会失败。设置一个比较大的值的话,yarn 会尝试重启 applicationMaster。