Flink 三种运行模式安装部署和WorldCount

前言

Flink三种运行方式：Local、Standalone、On Yarn。成功部署后分别用Scala和Java实现wordcount

环境

版本：Flink 1.7.X
集群环境：Hadoop2.6
开发工具: IntelliJ IDEA

一.Local模式

解压：tar -zxvf flink-1.7.X-bin-hadoop26-scala_2.11.tgz
cd flink-1.7.x
启动：./bin/start-cluster.sh
停止：./bin/stop-cluster.sh

可以通过master：8081监控集群状态

二.Standalone模式

集群安装
1：修改conf/flink-conf.yaml
jobmanager.rpc.address: masterip
2：修改conf/slaves
slaveip1
slaveip2
3：拷贝到其他节点
scp -rq /usr/local/flink-1.7.x slaveip1:/usr/local
scp -rq /usr/local/flink-1.7.x slaveip2:/usr/local
4：在masterip(master)节点启动
bin/start-cluster.sh
5：访问http://masterip:8081

三.Flink On Yarn模式

On Yarn实现逻辑

On Yarn实现逻辑

On Yarn实现逻辑

 

第一种【yarn-session.sh(开辟资源)+flink run(提交任务)】

启动一个一直运行的flink集群
./bin/yarn-session.sh -n 2 -jm 1024 -tm 1024 [-d]
附着到一个已存在的flink yarn session
./bin/yarn-session.sh -id application_1463870264508_0029
执行任务
./bin/flink run ./examples/batch/WordCount.jar -input hdfs://masterip:9000/LICENSE -output hdfs://masterip:9000/wordcount-result.txt
停止任务 【web界面或者命令行执行cancel命令】

第二种【flink run -m yarn-cluster(开辟资源+提交任务)】

启动集群，执行任务
./bin/flink run -m yarn-cluster -yn 2 -yjm 1024 -ytm 1024 ./examples/batch/WordCount.jar
注意：client端必须要设置YARN_CONF_DIR或者HADOOP_CONF_DIR或者HADOOP_HOME环境变量，通过这个环境变量来读取YARN和HDFS的配置信息，否则启动会失败

[root@hadoop2 flink-1.5.0]# bin/yarn-session.sh -h

Usage:
   Required
     -n,--container    为YARN分配容器的数量 (=Number of Task Managers)
   Optional
     -D              动态属性 
     -d,--detached                   以分离模式运行作业
     -h,--help                       Yarn session帮助.
     -id,--applicationId        连接到一个正在运行的YARN session
     -j,--jar                   Flink jar文件的路径
     -jm,--jobManagerMemory     JobManager的内存大小，driver-memory [in MB]
     -m,--jobmanager            Address of the JobManager (master) to which to connect. Use this flag to connect to a different JobManager than the one specified in the configuration.
     -n,--container             TaskManager的数量，相当于executor的数量
     -nm,--name                 设置YARN应用自定义名称 
     -q,--query                      显示可用的YARN资源 (memory, cores)
     -qu,--queue                指定YARN队列
     -s,--slots                 每个JobManager的core的数量，executor-cores。建议将slot的数量设置每台机器的处理器数量
     -st,--streaming                 在流模式下启动Flink
     -t,--ship                  在指定目录中传送文件(t for transfer)
     -tm,--taskManagerMemory    每个TaskManager的内存大小，executor-memory  [in MB]
     -yd,--yarndetached              如果存在，则以分离模式运行作业 (deprecated; use non-YARN specific option instead)
     -z,--zookeeperNamespace    为高可用性模式创建Zookeeper子路径的命名空间

用法: run [OPTIONS]    
  "run" 操作参数:  
     -c,--class            如果没有在jar包中指定入口类，则需要在这里通过这个参数指定  

     -m,--jobmanager       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  
     -p,--parallelism    指定程序的并行度。可以覆盖配置文件中的默认值。

 使用run 命令向yarn集群提交一个job。客户端可以确定jobmanager的地址。当然，你也可以通过-m参数指定jobmanager。jobmanager的地址在yarn控制台上可以看到。

四.WordCount

Scala实现代码

package com.skyell

import org.apache.flink.api.java.utils.ParameterTool
import org.apache.flink.streaming.api.scala.StreamExecutionEnvironment
import org.apache.flink.streaming.api.windowing.time.Time

/**
  * 滑动窗口计算
  *
  * 每隔1秒统计最近2秒数据，打印到控制台
  */
object SocketWindowWordCountScala {
  def main(args: Array[String]): Unit = {

    // 获取socket端口号
    val port: Int = try{
      ParameterTool.fromArgs(args).getInt("port")
    }catch {
      case e: Exception => {
        System.err.println("No port set use default port 9002--scala")
      }
        9002
    }

    // 获取运行环境
    val env: StreamExecutionEnvironment = StreamExecutionEnvironment.getExecutionEnvironment

    // 连接socket获取数据
    val text = env.socketTextStream("master", port, '\n')

    //添加隐式转换,否则会报错
    import org.apache.flink.api.scala._

    // 解析数据(把数据打平），分组,窗口计算，并且聚合求sum
    val windowCount = text.flatMap(line => line.split("\\s"))
      .map(w => WordWithCount(w, 1))
      .keyBy("word") // 针对相同word进行分组
      .timeWindow(Time.seconds(2), Time.seconds(1))// 窗口时间函数
      .sum("count")

    windowCount.print().setParallelism(1)  // 设置并行度为1

    env.execute("Socket window count")

  }
  // case 定义的类可以直接调用，不用new
  case class WordWithCount(word:String,count: Long)

}

Java实现代码

package com.skyell;

import org.apache.flink.api.common.functions.FlatMapFunction;
import org.apache.flink.api.java.DataSet;
import org.apache.flink.api.java.ExecutionEnvironment;
import org.apache.flink.api.java.operators.DataSource;
import org.apache.flink.api.java.tuple.Tuple2;
import org.apache.flink.util.Collector;


public class BatchWordCountJava {
    public static void main(String[] args) throws Exception{

        String inputPath = "D:\\DATA\\file";
        String outPath = "D:\\DATA\\result";

        // 获取运行环境
        ExecutionEnvironment env = ExecutionEnvironment.getExecutionEnvironment();
        // 读取本地文件中内容
        DataSource text = env.readTextFile(inputPath);
        // groupBy(0):从0聚合  sum(1):以第二个字段加和计算
        DataSet> counts = text.flatMap(new Tokenizer()).groupBy(0).sum(1);

        counts.writeAsCsv(outPath, "\n", " ").setParallelism(1);

        env.execute("batch word count");
    }

    public static class Tokenizer implements FlatMapFunction>{
        public void flatMap(String value, Collector> out) throws Exception {
            String[] tokens = value.toLowerCase().split("\\W+");
            for (String token: tokens
                 ) {
                if(token.length()>0){
                    out.collect(new Tuple2(token, 1));
                }
            }
        }
    }
}

pom依赖配置

            org.apache.flink
            flink-java
            1.7.0
            provided
        
        
            org.apache.flink
            flink-streaming-java_2.11
            1.7.0
            provided
        
        
            org.apache.flink
            flink-scala_2.11
            1.7.0
            provided
        
        
            org.apache.flink
            flink-streaming-scala_2.11
            1.7.0
            provided