通过安装包方式部署
下载地址
https://archive.apache.org/dist/flink/flink-1.7.2/flink-1.7.2-bin-hadoop27-scala_2.11.tgz
下载之后 解压
![](https://imgkr2.cn-bj.ufileos.com/34f3e929-3721-46f6-bef1-0c459a59de50.png?UCloudPublicKey=TOKEN_8d8b72be-579a-4e83-bfd0-5f6ce1546f13&Signature=%252F%252BIVT43NcsG1AV45CH5%252BVrdB7nc%253D&Expires=1608127006)
启动flink
![](https://imgkr2.cn-bj.ufileos.com/1b2647e3-f43c-489b-8280-6e81b54e1b0f.png?UCloudPublicKey=TOKEN_8d8b72be-579a-4e83-bfd0-5f6ce1546f13&Signature=uIkHu17F6rsgJJeOKekd1UrXzc8%253D&Expires=1608127088)
![](https://imgkr2.cn-bj.ufileos.com/d806ca2e-e7bb-4eb5-bc8c-e2e270882804.png?UCloudPublicKey=TOKEN_8d8b72be-579a-4e83-bfd0-5f6ce1546f13&Signature=xMPjvLuHYaMgg0J9v8qtbYsnvpg%253D&Expires=1608127216)
访问flink web ui
http://localhost:8081
![](https://imgkr2.cn-bj.ufileos.com/4465cebd-605b-4201-98c6-d91244d331ec.png?UCloudPublicKey=TOKEN_8d8b72be-579a-4e83-bfd0-5f6ce1546f13&Signature=9c8DCdcw5RiHxWLkUkjlmrN2nL4%253D&Expires=1608127286)
运行flink demo程序
-
启动7777端口服务
nc -lk 7777
-
运行flink wordcount streamjar包传入 7777端口
bin/flink run examples/streaming/SocketWindowWordCount.jar --port 7777
![](https://imgkr2.cn-bj.ufileos.com/c6c0aa2c-18d9-4326-ba1c-3002af75aac4.png?UCloudPublicKey=TOKEN_8d8b72be-579a-4e83-bfd0-5f6ce1546f13&Signature=6mhoiUEAjo2YlPeY4lBAWzsmNAU%253D&Expires=1608127509)
-
通过web ui查看启动情况
![](https://imgkr2.cn-bj.ufileos.com/b0448bbf-c544-4f13-a9da-a9c63000b016.png?UCloudPublicKey=TOKEN_8d8b72be-579a-4e83-bfd0-5f6ce1546f13&Signature=%252B%252BSafjvzUROAovUnnF8DfyTfg9A%253D&Expires=1608127545)
可以看到该任务进行运行
![](https://imgkr2.cn-bj.ufileos.com/856b7506-cf56-4bcd-805b-0bf5689d519d.png?UCloudPublicKey=TOKEN_8d8b72be-579a-4e83-bfd0-5f6ce1546f13&Signature=bKkPnHeWupfAuGhblgId%252F0B6nLg%253D&Expires=1608127575)
-
在7777的服务里面输入内容
![](https://imgkr2.cn-bj.ufileos.com/f0a3c84d-ecfa-4eed-ae3f-0c4e74337026.png?UCloudPublicKey=TOKEN_8d8b72be-579a-4e83-bfd0-5f6ce1546f13&Signature=ryK9WCnuXinLz20SqYJKj3cpdm8%253D&Expires=1608127427)
-
查看日志
tail -f flink*.out
![](https://imgkr2.cn-bj.ufileos.com/1c3c2fc5-47ac-4cf8-820a-7a3c8f10a4f7.png?UCloudPublicKey=TOKEN_8d8b72be-579a-4e83-bfd0-5f6ce1546f13&Signature=UCzMgXU%252FuSup2JD%252B2fLUIPaIXPQ%253D&Expires=1608127633)
-
关闭7777服务
![](https://imgkr2.cn-bj.ufileos.com/39fb625b-2194-4708-93b6-a7622533767d.png?UCloudPublicKey=TOKEN_8d8b72be-579a-4e83-bfd0-5f6ce1546f13&Signature=5wBbJYVnBAlUCZNjFAAJ2k3q9Dg%253D&Expires=1608127710)
可以看到该任务已经结束了
![](https://imgkr2.cn-bj.ufileos.com/157366d3-d281-426e-ad30-88d2f21ce885.png?UCloudPublicKey=TOKEN_8d8b72be-579a-4e83-bfd0-5f6ce1546f13&Signature=rq4TDmZh3DicywJG4JtGk97Lz84%253D&Expires=1608127705)
总结以上流程
![](https://imgkr2.cn-bj.ufileos.com/ea29da84-a269-40cf-929c-994ab34ce8d7.png?UCloudPublicKey=TOKEN_8d8b72be-579a-4e83-bfd0-5f6ce1546f13&Signature=SoLhUv5hXst3WGdPNdpk4TPcDdQ%253D&Expires=1608128490)
任务执行细节详见
简单使用了flink之后,接下来咱刨析下flink运行的原理
原理介绍
Flink运行组件
![](https://imgkr2.cn-bj.ufileos.com/09dec998-0a14-41d0-b143-c5309108394d.png?UCloudPublicKey=TOKEN_8d8b72be-579a-4e83-bfd0-5f6ce1546f13&Signature=Hzzxy59%252BdQfM5gtBi%252F0eb5Z35CM%253D&Expires=1608128690)
Flink是通过Java和Scala实现的 所以所有组件都运行在Java虚拟机上
-
作业管理器(JobManager)
-
控制一个应用程序执行的主进程 每个应用程序都会被一个不同的JobManager所控制执行
-
JobManager会先接受到要执行的应用程序 这个应用程序会包括作业图(JobGraph)、逻辑数据流图(logical dataflow graph)和打包了所有类、库和其他资源的jar包
-
JobManager会把JobGraph转换成一个物理层面的数据流图 这个图叫做执行图(ExecutionGraph) 包含了所有可以并发执行的任务
-
JobManager 会向资源器 (ResourceManager)请求执行任务必要的资源 也就是任务管理器(TaskManager)上的插槽(slot) 一旦它获取到了足够的资源 就会将执行图分发到真正运行它们的TaskManager上。而在执行的过程中 JobManager会负责所有需要中央协调的操作 比如检查点(CheckPoints)的协调
-
-
任务管理器(TaskManager)
-
Flink中的工作进程 通过在Flink中会有多个TaskManager运行 每一个TaskManager会包含一定数量的slot插槽。插槽的数量限制了TaskManager能够执行的任务数量
-
在执行过程中 一个TaskManager可以和其他运行在同一应用程序的TaskManager交换数据
-
-
资源管理器(ResouceManager)
-
主要负责管理任务管理器(TaskManager)的插槽(slot) TaskManager插槽是Flink中定义的处理资源单元
-
Flink为不同的环境和不同的资源管理工具提供了不同的资源管理器 比如 Yarn、Mesos、K8s、standalone部署
-
当JobManager申请插槽资源时 ResourceManager会将有空闲插槽的TaskManager分配给JobManager 如果ResourceManager没有足够的插槽来满足JobManager请求 还可以向资源提供平台发起会话 以提供启动TaskManager进程的容器 。ResourceManager还负责终止空闲的TaskManager 释放计算资源
-
-
分发器(Dispatcher)
-
可以跨作业运行 它为应用提交提供了Rest接口
-
当一个任务被提交时 分发器就会启动并将应用移交给一个JobManager
-
Dispatcher也会启动一个Web UI 用来方便展示和监控作业执行信息
-
Dispatcher在架构中可能不是必须的 取决于应用提交运行的方式
-
任务提交流程
![](https://imgkr2.cn-bj.ufileos.com/e1398404-d717-4be1-8f8a-59d495784524.png?UCloudPublicKey=TOKEN_8d8b72be-579a-4e83-bfd0-5f6ce1546f13&Signature=dLgKa2tAfRmzS9BzN0DVqERL1q8%253D&Expires=1608130396)
如果部署的集群环境不同(例如 YARN,Mesos,Kubernetes,standalone 等),其中一些步骤可以被省略,或是有些组件会运行在同一个 JVM 进程中
-
将 Flink 集群部署到 YARN
![](https://imgkr2.cn-bj.ufileos.com/8bc6cb5d-6390-479f-9575-880550384451.png?UCloudPublicKey=TOKEN_8d8b72be-579a-4e83-bfd0-5f6ce1546f13&Signature=tjk9%252FB1hadlob%252Bwv916SXs%252B6H3A%253D&Expires=1608130518)
-
Flink 任务提交后
-
Client 向 HDFS 上传 Flink 的 Jar 包和配置
-
之后向 Yarn ResourceManager 提交任务
-
ResourceManager 分配 Container 资源并通知对应的 NodeManager 启动 ApplicationMaster
-
ApplicationMaster 启动后加载 Flink 的 Jar 包和配置构建环境
-
然后启动 JobManager
-
之后 ApplicationMaster 向 ResourceManager 申 请 资 源 启 动 TaskManager
-
ResourceManager 分 配 Container 资 源 后
-
由 ApplicationMaster 通 知 资 源 所 在 节 点 的 NodeManager 启 动 TaskManager
-
NodeManager 加载 Flink 的 Jar 包和配置构建环境并启动 TaskManager
-
TaskManager 启动后向 JobManager 发送心跳包,并等待 JobManager 向其分配任务