2024年Flink 大数据 学习详情(2)

这一层在语法与表达能力上与Table API类似，但是以SQL查询表达式的形式表现程序。

SQL抽象与Table API交互密切，同时SQL查询可以直接在Table API定义的表上执行

Flink快速上手

		<dependency>
			<groupId>org.apache.flink</groupId>
			<artifactId>flink-streaming-java</artifactId>
            <version>1.17.0</version>
		</dependency>
		<dependency>
			<groupId>org.apache.flink</groupId>
			<artifactId>flink-clients_2.10</artifactId>
            <version>1.17.0</version>
		</dependency>

看视频吧，不同的引包写法有差异

Flink集群部署

组件流程介绍

flink提交作业和执行任务，需要几个关键组件：

客户端（client）：代码由客户端获取并作转换，之后提交给 jobManager

JobManager：就是flink集群里的“管事人”，对作业进行中央调度管理；而它获取到要执行的作业后，会进一步处理转换，然后分发任务给众多的TaskManager

TaskManager：就是真正“干活的人”，数据的处理操作都是它们来做的

注意：

流程：

Flink Client -> 一个JobManager（协调调度中心） -> N个TaskManager(工作节点)

多个备用 JobManager

Flink是一个非常灵活的处理框架，它支持多种不同的部署场景，还可以和不同的资源管理平台方便地集成

集群搭建：

集群规划：

节点服务器	hadoop102	hadoop103	hadoop104
角色	JobManager,TaskManager	TaskManager	TaskManager

下载解压安装包

eg：flink-1.17.0-bin-scala_2.12.tgz

vim flink-conf.yaml

jobmanager.rpc.address: hadoop102 （rpc连接的地址）
jobmanager.bind-host: 0.0.0.0 （任何机器都可以访问）
rest.address: hadoop102 （Rest Api访问地址）
rest.bind-address: 0.0.0.0

taskmanager.bind-host: 0.0.0.0
taskmanager.host: hadoop102 (不同服务器配置相应的ip)


还可更改
jobmanager.rpc.port:6123
jobmanager.memory.process.size：48g (jobmanager进程可使用的全部内存，包括JVM和其他开销，默认1600M)
taskmanager.memory.process.size：8g (taskmanager进程可使用的全部内存，包括JVM和其他开销，默认1728M)
taskmanager.numberOfTaskSlots: 24 (对每个taskmanager能够分配的slot数量进行配置，默认1,可根据cpu进行决定)
parellelism.default: 8 # 并行数量，默认1，优先级低于代码中进行的并行度配置
high-availability: zookeeper
high-availability.storageDir: ftp://sjsy:chianoly@139.6.0.224:6600/flink/ha/
high-availability.zookeeper.quorum: zk01:2181,zk02:2181,zk03:2181
jobmanager.execution.failover-strategy: region
#历史服务器
jobmanager.archive.fs.dir: ftp://sjsy:chianoly@139.6.0.224:6600/flink/completed-jobs/
historyserver.web.address: 0.0.0.0
historyserver.web.port: 8082
historyserver.archive.fs.dir: ftp://sjsy:chianoly@139.6.0.224:6600/flink/completed-jobs/
heartbeat.timeout: 180000
akka.ask.timeout: 60s
web.timeout: 1000000
state.checkpoints.num-retained: 3

vim workers

hadoop102
hadoop103
hadoop104

vim masters(jobmanager)

hadoop102:8081
//可以多个
hadoop105:8081
hadoop106:8081
...

命令行启动（也可以手动上传）

1 上传

2

bin/flink run -m hadoop102:8081 -c com.chinaoly.wc.WordCountStream ./FlinkTutorial-1.17-1.0-SNAPSHOT.jar 

-m ：后面跟 jobmanager的ip端口
-c : 后面跟全类名 
最后，相对路径或者绝对路径

部署模式

会话模式（Session Mode

单作业模式（Per-Job Mode）

应用模式(Application Mode)

会话模式（Session Mode）

最符合常规思维，我们先启动一个集群，保持一个会话，在这个会话中通过客户端提交作业。

集群启动时所以资源都已经确定，所以所有提交的作业会竞争集群中的资源。

会话模式比较适用于： 单个规模小，执行时间短的大量作业

单作业模式（Per-Job Mode）

会话模式因为资源共享会导致很多问题，所以为了更好地隔离资源，我们可以考虑为每个提交的作业启动一个集群，这就是所谓的单作业模式

作业完成后，集群就会关闭，所以资源也会释放

这些特性使得单作业模式在生产环境运行中更加稳定，所以是 实际应用的首选模式

需要注意：Flink本身无法直接这样允许，所以单作业模式一般需要借助一些资源管理框架来启动集群，比如 YARN，Kubernates(K8S)

应用模式(Application Mode)

前面提到的两种模式下，应用代码都是在客户端执行，然后由客户端提交到JobManager的。但是这种方式客户端需要占用大量网络带宽，去下载依赖和把二进制数据发送给JobManager；加上很多情况下我们提交作业用的是同一个客户端，就会加重客户端所在节点的资源消耗。

所以解决方法是： 我们不要客户端了，直接把应用提交到JobManager上运行。 而这也就代表着，我们需要为每一个提交的应用单独启动一个JobManager,也就是创建一个集群。这个JobManager只为执行一个应用而存在，执行结束后JobManager也就关闭了。这就是所谓的应用模式。

应用模式与单作业模式，都是提交作业后才创建集群；单作业模式是通过客户端来提交的，客户端解析出的每一个作业对应一个集群；而应用模式下，是直接由JobManager执行应用程序的。

运行模式

standalone运行模式

yarn运行模式

K8S运行模式

独立（Standalone）运行模式

独立模式是独立运行的，不依赖任何外部的资源管理平台；当然独立也是有代价的： 如果资源不足，或者出现故障，没有自动扩展或重分配资源的保证，必须手动处理，所以独立模式一般只使用在开发测试或者作业非常少的情景下。

此模式Flink自己管理资源

比如页面提交运行，打包成一个完成的jar，命令运行等。

会话模式	支持，默认
单作业模式	不支持，单作业模式需要借助一些资源管理平台
应用模式	可是实现，应用模式下不会提前创建集群，所以不能调用start-cluster.sh脚本。我们可以使用同样在bin目录下的standalone-job.sh来创建一个JobManager

启动/停止，参考standalone脚本

Yarn运行模式（重点）

yarn上部署过程： 客户端把flink应用提交给yarn的ResourceManager，Yarn的ResourceManager会启动ApplicationMaster，ApplicationMaster会向ResourceManager注册，申请NodeManager申请资源和容器，并且监控；这些容器上，Flink会部署JobManager和TaskMAnager的实例，从而启动集群。

Flink会根据运行在JobManager上的作业所需要的Slot数量动态分配TaskManager资源

注意：确保安装hadoop，至少在2.2版本以上，并且集群中由HDFS服务

flink和hadoop的依赖集成，配置，加上

sudo vim /etc/profile.d/my_env.sh

HADOOP_HOME=/opt/moduae/hadoop-3.3.4
export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin
# flink需要的
export HADOOP_CONF_DIR=${HADOOP_HOME}/etc/hadoop
export HADOOP_CLASSPATH=`hadoop classpath` 

source /etc/profile.d/my_env.sh

Yarn的运行模式需要先申请一个YARN会话（Yarn Session）来启动Flink集群

bin/yarn-session.sh -nm mytest


查看可以使用的参数
bin/yarn-session.sh --help 

-d: 分离模式，如果不想让Flink YARN客户端一致前台运行，可以使用这个参数，即后台运行
-j: 指定jar包
-jm（-jobManagerMemory）:  配置JobManager所需内存，默认单位MB
-nm（-name）: 配置在YARN UI界面上显示的任务名
-qu: 指定Yarn队列
-tm（-taskManagerMemory）: 配置TaskManager所需内存，默认单位MB

在hadoop里查看任务,hadoop里代理了端口，此处进入

注意：yarn模式会自动覆盖flink配置信息

Session部署模式

bin/flink run -c com.全类名.WordCount lib/FlinkTutorial-1.17-1.0-SNAPSHOT.jar

关闭
1 去yarn的WebUi页面关闭
2 启动的时候会打印
echo "stop" | ./bin/yarn-session.sh -id application_2322223334_003(yarn页面的应用id)

Per-job部署模式(标记为过时，但还能用)

启动
bin/flink run -d -t yarn-per-job -c lib/com.全类名.WordCount FlinkTutorial-1.0-SNAPSHOT.jar

查看
bin/flink list
bin/flink list -t yarn-per-job -Dyarn.application.id=application_XXX_YY

取消/停止(页面也可以停止)
bin/flink cancel -t yarn-per-job -Dyarn.application.id=application_XXX_YY <jobId>
注意：application_XXX_YY 是当前应用的ID，<jobId>是作业的id，如果取消作业，这个Flink集群也会停止

如果报错，但不影响
Trying to access closed classloader...
解决方法：
flink-conf.yml中配置：
classloader.check-leaked-classloader: false

WebUI访问:

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化资料的朋友，可以戳这里获取

WebUI访问:

[外链图片转存中…(img-Kpwxs7CN-1714629835903)]
[外链图片转存中…(img-DHMRBH7B-1714629835904)]
[外链图片转存中…(img-6tOFTnuc-1714629835904)]

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化资料的朋友，可以戳这里获取