Flink命令行 - 1.10

本篇文章大概3155字，阅读时间大约8分钟

结合Flink官方文档，整理关于Flink命令行的操作参数，包含命令行接口和Scala Shell

1

文档编写目的

• 整理Flink官方文档中命令行接口和scala-shell的内容

• 在Flink1.10.1集群上进行实操

Flink命令行

• Command-Line Interface

• Scala Shell

2

Command-Line Interface

Flink的命令行接口主要用来运行达成jar包的Flink应用程序，具体功能如下：

• 提交Flink应用

• 取消运行的Flink应用

• 获取Flink应用的信息

• 查看Flink集群上的应用（包含运行中和等待的应用）

• 触发或释放savepoint

Flink命令行详细解释

flink run (这里略过了部分python的参数)

-c,--class <classname> Flink应用程序的入口
-C,--classpath <url> 指定所有节点都可以访问到的url,可用于多个应用程序都需要的工具类加载
-d,--detached 是否使用分离模式，就是提交任务,cli是否退出,加了-d参数,cli会退出
-n,--allowNonRestoredState 允许跳过无法还原的savepoint。比如删除了代码中的部分operator
-p,--parallelism <parallelism> 执行并行度
-s,--fromSavepoint <savepointPath> 从savepoint恢复任务
-sae,--shutdownOnAttachedExit 以attached模式提交，客户端退出的时候关闭集群

flink yarn-cluster 模式

-d,--detached 是否使用分离模式
-m,--jobmanager <arg> 指定提交的jobmanager
-yat,--yarnapplicationType <arg> 设置yarn应用的类型
-yD <property=value> 使用给定属性的值
-yd,--yarndetached 使用yarn分离模式
-yh,--yarnhelp yarn session的帮助
-yid,--yarnapplicationId <arg> 挂到正在运行的yarnsession上
-yj,--yarnjar <arg> Flink jar文件的路径
-yjm,--yarnjobManagerMemory <arg> jobmanager的内存(单位M)
-ynl,--yarnnodeLabel <arg> 指定 YARN 应用程序 YARN 节点标签
-ynm,--yarnname <arg> 自定义yarn应用名称
-yq,--yarnquery 显示yarn的可用资源
-yqu,--yarnqueue <arg> 指定yarn队列
-ys,--yarnslots <arg> 指定每个taskmanager的slots数
-yt,--yarnship <arg> 在指定目录中传输文件
-ytm,--yarntaskManagerMemory <arg> 每个taskmanager的内存
-yz,--yarnzookeeperNamespace <arg> 用来创建ha的zk子路径的命名空间
-z,--zookeeperNamespace <arg> 用来创建ha的zk子路径的命名空间

flink info 语法：info [OPTIONS] <jar-file> <arguments>

-c,--class <classname> 应用程序入口

flink list 显示正在运行或调度的程序

-a,--all 显示所有应用和对应的job id
-r,--running 显示正在运行的应用和job id
-s,--scheduled 显示调度的应用和job id
#yarn-cluster模式
-m,--jobmanager <arg> 指定连接的jobmanager
-yid,--yarnapplicationId <arg> 挂到指定的yarn id对应的yarn session上
-z,--zookeeperNamespace <arg> 用来创建ha的zk子路径的命名空间

flink stop：停止一个正在运行的应用

-d,--drain 在获取savepoint，停止pipeline之前发送MAX_WATERMARK
-p,--savepointPath <savepointPath> 指定savepoint的path，如果不指定会使用默认值("state.savepoints.dir")

savepoint - 触发一个正在运行的应用生成savepoint

语法：savepoint [OPTIONS] <Job ID> [<target directory>]
-d,--dispose <arg> savepoint的路径
-j,--jarfile <jarfile> Flink的jar包

Scala Shell

Flink可以使用交互式的scala shell环境，可以使用本地模式和集群模式。

local启动方式

./bin/start-scala-shell.sh local

使用

scala shell支持batch和stream，对应到benv和senv上。benv通过print()将结果输出到控制台，senv通过senv.execute("job name")进行任务提交。

scala shell local

./bin/start-scala-shell.sh local

batch - DataSet API测试

val text = benv.fromElements(
  "To be, or not to be,--that is the question:--",
  "Whether 'tis nobler in the mind to suffer",
  "The slings and arrows of outrageous fortune",
  "Or to take arms against a sea of troubles,")
val counts = text.flatMap(_.toLowerCase.split("\\W+")).map((_,1)).groupBy(0).sum(1)
counts.print()

stream - DataStream API测试

val textStreaming = senv.fromElements(
  "To be, or not to be,--that is the question:--",
  "Whether 'tis nobler in the mind to suffer",
  "The slings and arrows of outrageous fortune",
  "Or to take arms against a sea of troubles,")
val countsStreaming = textStreaming.flatMap(_.toLowerCase.split("\\W+")).map((_,1)).keyBy(0).sum(1)
countsStreaming.print()
senv.execute("Streaming Wordcount")

scala shell启动方式

• local

./bin/start-scala-shell.sh local

• remote 远程

通过jobmanager连接启动了的flink集群

./bin/start-scala-shell.sh remote <hostname> <portnumber>

• yarn scala shell cluster

./bin/start-scala-shell.sh yarn -n 2

• yarn session

./bin/start-scala-shell.sh yarn

点个“在看”表示朕

已阅