【Flink】Flink的部署

Flink的下载地址

• 部署注意点
  在Flink 的下载界面我们可以看到大致有两种Flink的下载版本,俩者的区别就是一种是有hadoop支持的版本，如果需要和Hadoop来进行交互的化，就需要下载此版本
  

  上述只是针对于较低版本的Flink我们可以看到较高版本的下载可选择性是少了很多的，这就需要我们在额外的组件区域去找到自己所需要的组件，然后将下载后的jar包，放置flink/lib目录下即可
  

StandAlone模式

• 将压缩包解压到指定的目录：tar -zxvf flink-1.10.1-bin-scala_2.12.tgz -C /home/
• 将压缩后的文件重命名：mv flink-1.10.1/ flink
• 修改配置文件：flink-conf.yaml

  jobmanager.rpc.address: a
  

• 修改配置文件：slaves

  b
  c
  

• 将修改后的文件发送给其他的两个节点

  scp -r  /home/flink/ b:/home/
  scp -r  /home/flink/ c:/home/
  

• 启动Flink：bin/start-cluster.sh
• 查看各个节点的进程
  
  
  
• 查看WEBUI：localhost:8081
• 注意：词道的数量虽然不影响搭建，但是在运行代码时，可能会出现词道不足，运行失败，一般设置和本机的CPU数一致
  

跳转顶部

---

Flink on yarn模式

• 注意：yarn模式的搭建要求Flink是有Hadoop支持的版本

• 或者将hadoop放到flink目录下的lib目录即可
  

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。

---

• 需要先启动Hadoop
• 启动 yarn-session：/yarn-session.sh -n 2 -s 2 -jm 1024 -tm 1024 -nm test -d

其中：
-n(–container)： TaskManager 的数量。
-s(–slots)： 每个 TaskManager 的 slot 数量，默认一个 slot 一个 core，默认每个taskmanager 的 slot 的个数为 1， 有时可以多一些 taskmanager，做冗余。
-jm： JobManager 的内存（ 单位 MB)。
-tm：每个 taskmanager 的内存（单位 MB)。
-nm： yarn 的 appName(现在 yarn 的 ui 上的名字)。
-d：后台执行。

• 取消Session：yarn application --kill application_1577588252906_0001

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。

• 他的运行很简单，只要启动Hadoop后就可以了
  跳转顶部

---