flink on yarn提交任务的两种方式
flink on yarn 有两种提交方式:
(1)、启动一个YARN session(Start a long-running Flink cluster on YARN);
(2)、直接在YARN上提交运行Flink作业(Run a Flink job on YARN)。
简单bb两句,其实很好理解,一种是yarn-cluster,就是一个把flink当成了一个application,就是一个job,在yarn上可以管理,flink任务之间互相是独立的
另一种是yarn-session,就是把首先启动一个yarn-session当成了一个flink容器,官方说法是flink服务,然后我们提交到yarn上面的全部flink任务全部都是提交到这个服务,也就是容器里面进行运行的。flink任务之间也是独立的,但是都存在于flink服务即容器里面,yarn上只能监测到一个flink服务即容器,无法监测到flink单个任务,需要进入flink服务即容器内部,才可以看到。
下面将分别进行介绍。
Flink YARN Session
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TaskManagers,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)。我们可以通过./bin/yarn-session.sh
脚本启动YARN Session,由于我们第一次使用这个脚本,我们先看看这个脚本支持哪些参数:
|
各个参数的含义里面已经介绍的很详细了。在启动的是可以指定TaskManager的个数以及内存(默认是1G),也可以指定JobManager的内存,但是JobManager的个数只能是一个。好了,我们开启动一个YARN session吧:
|
上面命令启动了4个TaskManager,每个TaskManager内存为8G且占用了8个核(是每个TaskManager,默认是1个核)。在启动YARN session的时候会加载conf/flink-config.yaml
配置文件,我们可以根据自己的需求去修改里面的相关参数(关于里面的参数含义请参见Flink官方文档介绍吧)。一切顺利的话,我们可以在看到类似于下面的页面:
启动了YARN session之后我们如何运行作业呢?很简单,我们可以使用./bin/flink
脚本提交作业,同样我们来看看这个脚本支持哪些参数:
|
我们可以使用run选项运行Flink作业。这个脚本可以自动获取到YARN session的地址,所以我们可以不指定--jobmanager参数。我们以Flink自带的WordCount程序为例进行介绍,先将测试文件上传到HDFS上:
|
然后将这个文件作为输入并运行WordCount程序:
|
一切顺利的话,可以看到在终端会显示出计算的结果:
|
如果我们不想将结果输出在终端,而是保存在文件中,可以使用--output参数指定保存结果的地方:
|
然后我们可以到hdfs:///user/zhang
/result.txt文件里面查看刚刚运行的结果。
需要注意的是:
1、上面的--input
和--output
参数并不是Flink内部的参数,而是WordCount程序中定义的;
2、指定路径的时候一定记得需要加上模式,比如上面的hdfs://
,否者程序会在本地寻找文件。
Run a single Flink job on YARN
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:
|
上面的命令同样会启动一个类似于YARN session启动的页面。其中的-yn
是指TaskManager的个数,必须指定。