今天我们来说一下flink,大家可能对flink还不是特别的熟悉,其实它是一个很早的项目,只是在2016年的时候才被大家所注意到,现在已经被很多公司所使用,作为一个后起之秀,或者说流计算的新贵,为什么它能得到大家的认可呢,Flink把批处理当作流处理中的一种特殊情况.在Flink中,所有的数据都看作流.这是一个很好的抽象.再加上它完善的checkpoint机制,使得它对状态的管理非常的细致.所以能够脱颖而出,相信在阿里这个巨人的肩膀上,它会很快火起来的.那我们今天就来玩一下flink,先从最基本的搭建flink集群开始吧.
1.Flink独立集群模式安装(Cluster Standalone)
(1),JDK的配置和各个机器之间的免密我就不说了,网上随便一搜一大堆.
(2),解压包: tar -zxvf flink-1.6.0-bin-hadoop28-scala_2.11.tgz
(3),配置conf/flink-conf.yaml文件,如下所示:
#Jobmanager的IP地址，即master地址。
jobmanager.rpc.address: master
#每一个TaskManager的堆大小（单位是MB），由于每个taskmanager要运行operator的各种函数（Map、Reduce、CoGroup等，包含sorting、hashing、caching），因此这个值应该尽可能的大。如果集群仅仅跑Flink的程序，建议此值等于机器的内存大小减去1、2G，剩余的1、2GB用于操作系统。如果是Yarn模式，这个值通过指定tm参数来分配给container，同样要减去操作系统可以容忍的大小（1、2GB）。
taskmanager.heap.size: 1024
#每个TaskManager的并行度。一个slot对应一个core，默认值是1.一个并行度对应一个线程。总的内存大小要且分给不同的线程使用。
#taskmanager.numberOfTaskSlots: 4
#每个operator的默认并行度。默认是1.如果程序中对operator设置了setParallelism，或者提交程序时指定了-p参数，则会覆盖此参数。如果只有一个Job运行时，此值可以设置为taskManager的数量 * 每个taskManager的slots数量。即NumTaskManagers * NumSlotsPerTaskManager 。
#parallelism.default: 8
#临时目录
taskmanager.tmp.dirs: /tmp
#JobManager的堆大小（单位是MB）。当长时间运行operator非常多的程序时，需要增加此值。具体设置多少只能通过测试不断调整。
jobmanager.heap.size: 1024
#jobmanager.web.port: 8081
#JobMamanger的端口，默认是6123。
jobmanager.rpc.port: 6123
#HA的配置
#recovery.mode: zookeeper
#recovery.zookeeper.quorum: master:2181,storm1:2181,storm2:2181
classloader.resolve-order: parent-first
配置这些就可以了(注意: 后面一定要用空格分开)
(4),配置slaves,把子节点的ip地址或者hostname写上:
slave1
slave2
(5),把在master上配置好的,文件夹发送到各个worker节点上.
scp -r flink root@slave1:/home/jason/bigdata/
(6),Flink集群搭建完成,可以启动了,直接在bin下./start-cluster.sh, 在master节点上运行下面的脚本，那么这台机器上将会启动一个JobManager，并通过SSH连接列在slaves文件中的所有节点以便在每个节点上启动TaskManager
(7),停止flink集群,直接在master节点运行bin/stop-cluster.sh
(8),web界面输入:master:8081就可以看到了,如下图所以:
到这里flink的Standalone模式集群就搭建好了,看惯了spark的ui,看flink的还有点不太习惯.先介绍到这儿,后面会有代码demo.请大家接着看.
如果有写的不对的地方,欢迎大家指正,如果有什么疑问,可以加QQ群:340297350,谢谢