带你分分钟完成 Flink-HA集群搭建（standalone&&Yarn）

前言
大家好。我是那个那个人见人爱的DJ丶小哪吒。今天我要为大家分享的是Flink集群的搭建。小编写这篇文章目的是为了以后方便自己搭建Flink集群，也方便正在初学flink的同学搭建集群。方便自己也方便大家。希望路过的朋友能给小编一些支持。小编也会继续更新自己的博客。为大家分享更多的知识。

码字不易，先赞再看，养成习惯~~~

1、Flink 集群搭建

Flink 支持多种安装模式。

1. local（ 本地） ——单机模式， 一般不使用
2. standalone ——独立模式， Flink 自带集群，开发测试环境使用
3. yarn——计算资源统一由 Hadoop YARN 管理，生产环境测试

1.1、 standalone 集群环境

1.1.1、准备工作

1. jdk1.8 及以上【 配置 JAVA_HOME 环境变量】
2. ssh 免密码登录【 集群内节点之间免密登录】
   以上两个步骤在小编之前的博客中有提到过。点击即可访问。JDK安装部署和免密登录

1.1.2、下载安装包

下载地址

1.1.3 集群规划

master(JobManager)+slave/worker(TaskManager)

node01(master+slave) node02(slave) node03(slave)

1.1.4 步骤

1. 解压 Flink 压缩包到指定目录
2. 配置 Flink
3. 配置 Slaves 节点
4. 分发 Flink 到各个节点
5. 启动集群
6. 递交 wordcount 程序测试
7. 查看 Flink WebUI

1.1.5 具体操作

1. 上传 Flink 压缩包到指定目录
2. 解压缩 flink 到 /export/servers 目录

tar -zxvf flink-1.7.2-bin-hadoop26-scala_2.11.tgz

3. 修改安装目录下 conf 文件夹内的 flink-conf.yaml 配置文件， 指定 JobManager # 配置 Master 的机器名（ IP 地址）

jobmanager.rpc.address: node01

4. 修改安装目录下 conf 文件夹内的 slave 配置文件， 指定 TaskManager

node01
node02
node03

5. 使用 vi 修改 /etc/profile 系统环境变量配置文件，添加 HADOOP_CONF_DIR 目录

export HADOOP_CONF_DIR=/export/servers/hadoop-2.6.0-cdh5.14.0/etc/hadoop

6. 分发/etc/profile 到其他两个节点

scp -r /etc/profile node02:/etc 
scp -r /etc/profile node03:/etc

7. 每个节点重新加载环境变量

source /etc/profile

8. 将配置好的 Flink 目录分发给其他的两台节点

# 进入到flink的解压目录
cd /export/servers
# 执行分发语句
for i in {2..3}; do scp -r flink-1.7.2/ node0$i:$PWD; done

9. 启动 Flink 集群

bin/start-cluster.sh

1. 通过 jps 查看进程信息
   
   只要节点包含了这些，那么你的flink就安装完成了。由于小编搭建了HA，所以在node02中也有StandaloneSessionClusterEntrypoint这个进程。搭建HA的目的是为了解决JobManage在工作过程中发生宕机的问题。那么大家也不要着急，接下来，马上就讲一讲flink-HA的搭建方法。
   如果看到这些进程存在，那么flink基本就搭建成功了。然后就可以访问我们flink的web页面了。

2. 浏览 Flink Web UI 界面

http://node01:8081

1.1.6 、启动/停止 flink 集群

启动： ./bin/start-cluster.sh
停止： ./bin/stop-cluster.sh

1.1.7 Flink 集群的重启或扩容

启动/停止 jobmanager
如果集群中的 jobmanager 进程挂了， 执行下面命令启动 bin/jobmanager.sh start
bin/jobmanager.sh stop
启动/停止 taskmanager
添加新的 taskmanager 节点或者重启 taskmanager 节点 bin/taskmanager.sh start
bin/taskmanager.sh stop

1.1.8 Standalone 集群架构

• client 客户端提交任务给 JobManager
• JobManager 负责 Flink 集群计算资源管理， 并分发任务给 TaskManager 执行
• TaskManager 定期向 JobManager 汇报状态

1.2 高可用 HA 模式

从上述架构图中， 可发现 JobManager 存在单点故障， 一旦 JobManager 出现意外， 整 个集群无法工作。 所以， 为了确保集群的高可用， 需要搭建 Flink 的 HA。 （ 如果是 部署在 YARN 上， 部署 YARN 的 HA） ， 我们这里演示如何搭建 Standalone 模式 HA。

1.2.1 HA 架构图

1.2.2 集群规划

master(JobManager)+slave/worker(TaskManager)
node01(master+slave) node02(master+slave) node03(slave)

1.2.3 步骤

1. 在 flink-conf.yaml 中添加 zookeeper 配置
2. 将配置过的 HA 的 flink-conf.yaml 分发到另外两个节点
3. 分别到另外两个节点中修改 flink-conf.yaml 中的配置
4. 在 masters 配置文件中添加多个节点
5. 分发 masters 配置文件到另外两个节点
6. 启动 zookeeper 集群
7. 启动 flink 集群

1.2.4 具体操作

1. 在 flink-conf.yaml 中添加 zookeeper 配置

此文件在flink安装路径的conf目录下。

#开启 HA， 使用文件系统作为快照存储
state.backend: filesystem
#默认为 none， 用于指定 checkpoint 的 data files 和 meta data 存储的目录
state.checkpoints.dir: hdfs://node01:8020/flink-checkpoints
#默认为 none， 用于指定 savepoints 的默认目录
state.savepoints.dir: hdfs://node01:8020/flink-checkpoints
#使用 zookeeper 搭建高可用
high-availability: zookeeper
# 存储 JobManager 的元数据到 HDFS,用来恢复 JobManager 所需的所有元数据
high-availability.storageDir: hdfs://node01:8020/flink/ha/
high-availability.zookeeper.quorum: node01:2181,node02:2181,node03:2181

2. 将配置过的 HA 的 flink-conf.yaml 分发到另外两个节点

在flink安装l路径下的conf目录执行此命令

for i in {2..3}; do scp -r /export/servers/flink-1.7.2/conf/flink-conf.yaml node0$i:$PWD; done

3. 到节点 2 中修改 flink-conf.yaml 中的配置， 将 JobManager 设置为自己节点的 名称

jobmanager.rpc.address: node02

4. 在 masters 配置文件中添加多个节点
   此文件在flink安装路径下的conf目录下

node01:8081 
node02:8081

5. 分发 masters 配置文件到另外两个节点

cd /export/servers/flink-1.7.2/conf
scp -r masters node02:$PWD
scp -r masters node03:$PWD

6. 启动 zookeeper 集群

node01节点

[root@node01 servers]# /export/servers/zookeeper-3.4.5-cdh5.14.0/bin/zkServer.sh start

node02节点

[root@node02 servers]# /export/servers/zookeeper-3.4.5-cdh5.14.0/bin/zkServer.sh start

node03节点

[root@node03 servers]# /export/servers/zookeeper-3.4.5-cdh5.14.0/bin/zkServer.sh start

7. 启动 HDFS 集群
8. 启动 flink 集群
9. 分别查看两个节点的 Flink Web UI
10. kill 掉一个节点， 查看另外的一个节点的 Web UI

注意事项: 切记搭建 HA， 需要将第二个节点的 jobmanager.rpc.address 修改为 node02

1.3 yarn 集群环境

在一个企业中， 为了最大化的利用集群资源， 一般都会在一个集群中同时运行多种类 型的 Workload。 因此 Flink 也支持在 Yarn 上面运行； flink on yarn 的前提是： hdfs、 yarn 均启动

1.3.1 准备工作

1. jdk1.8 及以上【 配置 JAVA_HOME 环境变量】
2. ssh 免密码登录【 集群内节点之间免密登录】
3. 至少 hadoop2.2
4. hdfs & yarn

3.3.2 集群规划

master(JobManager)+slave/worker(TaskManager)
node01(master) node02(slave) node03(slave)

1.3.3 修改 hadoop 的配置参数

vim /export/servers/hadoop-2.6.0-cdh5.14.0/etc/hadoop/yarn-site.xml

添加如下配置：

<property> 
    <name>yarn.nodemanager.vmem-check-enabled</name> 
    <value>false</value> 
 </property>

是否启动一个线程检查每个任务正使用的虚拟内存量，如果任务超出分配值，则 直接将其杀 掉，默认是 true。 在这里面我们需要关闭，因为对于 flink 使用 yarn 模式下，很容易内存超标，这个时候 yarn 会自动杀掉 job。

1.3.4 修改全局变量/etc/profile

添加：
在每个节点上的/etc/profile都添加,建议手动添加

export HADOOP_CONF_DIR=/export/servers/hadoop-2.6.0-cdh5.14.0//etc/Hadoop

1.3.5 Flink on Yarn 的运行机制

从图中可以看出， Yarn 的客户端需要获取 hadoop 的配置信息，连接 Yarn 的 ResourceManager。 所以要有设置有 YARN_CONF_DIR 或者 HADOOP_CONF_DIR 或者 HADOOP_CONF_PATH,只要设置了其 中一个环境变量，就会被读取。如果读取上述 的变量失败了，那么将会选择 hadoop_home 的环境 变量，都区成功将会尝试加 载$HADOOP_HOME/etc/hadoop 的配置文件。
1、当启动一个 Flink Yarn 会话时，客户端首先会检查本次请求的资源是否足
够。资源足够 将会上传包含 HDFS 配置信息和 Flink 的 jar 包到 HDFS。
2 、 随 后 客 户 端 会 向 Yarn 发 起 请 求 ， 启 动 applicationMaster, 随 后 NodeManager 将 会 加 载 有 配 置 信 息 和 jar 包 ， 一 旦 完 成 ， ApplicationMaster(AM)便启动。
3、当 JobManager and AM 成功启动时,他们都属于同一个 container，从而 AM 就能检索到 JobManager 的地址。此时会生成新的 Flink 配置信息以便 TaskManagers 能够连接到 JobManager。同时，AM 也提供 Flink 的 WEB 接口。 用户可并行执行多个 Flink 会话。
4、随后，AM 将会开始为分发从 HDFS 中下载的 jar 以及配置文件的 container 给 TaskMangers.完成后 Fink 就完全启动并等待接收提交的 job.

1.3.6 Flink on Yarn 的两种使用方式

1. 会话模式
   使用 Flink 中 的 yarn-session （ yarn 客 户 端 ） ， 会 启 动 两 个 必 要 服 务 JobManager 和 TaskManagers
   客户端通过 yarn-session 提交作业 yarn-session 会一直启动，不停地接 收客户端提交的作用 ，有大量的小作业，适合使用这种方式。
   
2. 分离模式
   直接提交任务给 YARN ,大作业，适合使用这种方式
   

3.3.6.1 第一种方式：YARN session

-yarn-session.sh(开辟资源)+flink run(提交任务)
这种模式下会启动 yarn session，并且会启动 Flink 的两个必要服务：
JobManager 和 Task-managers，然后你可以向集群提交作业。同一个 Session 中可以提交多个 Flink 作业。需要注意的是，这种模式下 Hadoop 的版本至少 是 2.2，而且必须安装了 HDFS（因为启动 YARN session 的时候会向 HDFS 上 提交相关的 jar 文件和配置文件） 通过./bin/yarn-session.sh 脚本启动 YARN Session
脚本可以携带的参数：

-n,--container <arg> 分配多少个 yarn 容器 (=taskmanager 的数量)
Optional -D <arg> 动态属性
-d,--detached 独立运行 （以分离模式运行作业）
-id,--applicationId <arg> YARN 集群上的任务 id，附着到一个后台运行的 yarn session 中
-j,--jar <arg> Path to Flink jar file
-jm,--jobManagerMemory <arg> JobManager 的内存 [in MB]
-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
-n,--container <arg> 分配多少个 yarn 容器 (=taskmanager 的数量)
-nm,--name <arg> 在 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> 每个 TaskManager 使用的 slots 数量
-st,--streaming 在流模式下启动 Flink
-tm,--taskManagerMemory <arg> 每个 TaskManager 的内存 [in MB]
-z,--zookeeperNamespace <arg> 针对 HA 模式在 zookeeper 上创建 NameSpace

注意： 如果不想让 Flink YARN 客户端始终运行，那么也可以启动分离的 YARN 会话。 该参数被称为 -d 或–detached。

启动：

bin/yarn-session.sh -n 2 -tm 800 -s 1 -d

上面的命令的意思是，同时向 Yarn 申请 3 个 container（即便只申请了两个，因为 ApplicationMaster 和 Job Manager 有一个额外的容器。一旦将 Flink 部署到 YARN 群集 中，它就 会显示 Job Manager 的连接详细信息），其中 2 个 Container 启动 TaskManager （-n 2），每个 TaskManager 拥有 1 个 Task Slot（-s 1），并且向每个 TaskManager 的 Container 申请 800M 的内存，以及一个 ApplicationMaster（Job Manager）。
启动成功之后，去 yarn 页面：ip:8088 可以查看当前提交的 flink session

点击 ApplicationMaster 进入任务页面：

上面的页面就是使用：yarn-session.sh 提交后的任务页面；

然后使用 flink 提交任务

bin/flink run examples/batch/WordCount.jar

在控制台中可以看到 wordCount.jar 计算出来的任务结果

在 yarn-session.sh 提交后的任务页面中也可以观察到当前提交的任务：

点击查看任务细节：

停止当前任务：

yarn application -kill application_1527077715040_0007

3.3.6.2 第二种方式：在 YARN 上运行一个 Flink 作业

上面的 YARN session 是在 Hadoop YARN 环境下启动一个 Flink cluster 集群，里面的资源 是可以共享给其他的 Flink 作业。我们还可以在 YARN 上启 动一个 Flink 作业，这里我们还是使 用./bin/flink，但是不需要事先启动 YARN session.
使用 flink 直接提交任务

bin/flink run -m yarn-cluster -yn 2 ./examples/batch/WordCount.jar

以上命令在参数前加上 y 前缀，-yn 表示 TaskManager 个数
在 8088 页面观察：

停止 yarn-cluster
yarn application -kill application 的 ID

注意：如果使用的 是 flink on yarn 方式，想切换回 standalone 模式的话， 需要删除文件： 【/tmp/.yarn-properties-root】 因为默认查找当前 yarn 集群中已有的 yarn-session 信息中的 jobmanager

---

好了，以上内容就到这里了。你学会了吗。 欢迎路过的朋友关注小编哦。各位朋友关注点赞是小编坚持下去的动力。小编会继续为大家分享更多的知识哦~~~。

我是DJ丶小哪吒。是一名互联网行业的工具人，小编的座右铭：“我不生产代码，我只做代码的搬运工”…哈哈哈，我们下期见哦，Bye~

如果你具备开始的勇气，就有了成功的豪情。