flink的基本操作

开启flink服务端:./start-cluster.sh

关闭flink服务端:./stop-cluster.sh

运行一个job:

bin/flink run -c com.atguigu.wc.StreamWordCount -p 2 jar/testXXXXX.jar --host localhost

-c: 任务的全类名。

-p:并行度

--host:模式

--port 7777

查看flink任务 : bin/flink list

查看所有flink任务 :bin/flink list -a

删除flink任务:bin/flink cancel 任务id

使用yarn模式启动

Session Cluster

./yarn-session.sh -n 2 -s 2 -jm 1024 -tm 1024 -nm test -d

-n taskManager的数量

-s taskManager的slot的数量,默认一个slot一个core,默认每个taskmanager的slot的个数为1,有时可以多些taskmanager左冗余。

-jm 设置jobManager的大小(单位MB)

-ts 设置taskManager的大小(单位MB)

-nm yarn的appName(现在yarn的ui上的名字)

-d :后台执行 /

提交job任务任务

./flink run -c com.atguigu.wc.StreamWC FlinkTutorial-1.0-SNAPSHOT-jar-XXX.jar --host localhost -port 7777

取消yarn-session

yarn application --kill application_123332131_4545

Per Job Cluster

不启动yarn-session,直接执行job

./flink run –m yarn-cluster -c com.atguigu.wc.StreamWordCountFlinkTutorial-1.0-SNAPSHOT-jar-with-dependencies.jar --host lcoalhost –port 7777

不同于Session Cluster 不启动yarn—session直接执行job 加-m yarn-cluster

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Flink 是一个流式处理和批处理的分布式计算框架。它具有以下基本概念: 1. 事件流(Event Stream):Flink 是一个流式处理框架,它能够处理连续的事件流。事件流可以是无界的(无限延续)或有界的(有一个结束点)。Flink 可以对这些事件流进行高效的处理和转换。 2. 作业(Job):在 Flink 中,用户定义的流处理或批处理任务被称为作业。一个作业由一个或多个算子(operator)组成,每个算子接收输入数据流并产生输出数据流。 3. 算子(Operator):算子是 Flink 中执行计算的基本单位。它可以是数据源(source)、转换操作(transformation)或数据接收器(sink)。算子接收一个或多个输入数据流,并生成一个或多个输出数据流。 4. 窗口(Window):窗口是 Flink 中用于对事件流进行分组和聚合操作的机制。窗口可以根据事件的时间或者数量进行划分,然后在窗口上应用聚合操作。 5. 状态(State):状态是 Flink 中用于存储和管理用户定义的数据的机制。状态可以在算子之间共享和传递,从而实现复杂的计算逻辑。 6. 检查点(Checkpoint):检查点是 Flink 中实现容错的机制,用于保证在发生故障时能够从故障中快速恢复。检查点会定期将应用程序的状态保存到持久化存储中,并可以用于重新启动应用程序。 这些是 Flink 的一些基本概念,它们共同构成了 Flink 的核心功能和特性。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值