原文链接：https://blog.csdn.net/a_drjiaoda/article/details/88037282
前言：Flink的运行一般分为三种模式，即local、Standalone、On Yarn。
在安装Flink之前，需要对安装环境进行检查。本文是建立在Hadoop、Zookeeper等常规大数据软件都已经安装成功的前体下，由于在时间环境中，常常需要Hadoop的组件配合Flink，因此我们在官网下载安装包时，需要找到对应Hadoop版本的Flink安装包以及系统中Scala的版本，我使用的版本是Hadoop2.8.5+scala2.11.12。scala安装不多做赘述，只需修改一下环境变量即可，比安装QQ还简单。
下载Flink安装包
下载Flink二进制包：https://flink.apache.org/downloads.html, 选择flink-1.7.2-bin-hadoop28-scala_2.11.tgz。保存到windows下之后，使用winScp传输到linux系统下/usr目录，这个目录只是小厨将所有的系统软件都放在这里，为了清晰的访问各个系统的文件夹。
解压安装：使用命令 tar -zvxf flink-1.7.2-bin-hadoop28-scala_2.11.tgz对文件进行解压，为了目录整洁，这里使用命令将解压完的文件重命名为flink： mv flink-1.7.2/ flink
一：local模式
Local模式比较简单，用于本地测试，因此不多做赘述。只需在主节点上解压安装包就代表成功安装了，在flink安装目录下使用./bin/start-cluster.sh命令，就可以通过master:8081监控集群状态，关闭集群命令：./bin/stop-cluster.sh。
二：Standalone模式
Standalone模式顾名思义，是在本地集群上调度执行，不依赖于外部调度机制例如YARN。此时需要对配置文件进行一些简单的修改，我们预计使用master节点当Job manage，master、slave1、slave2三台机器充当Task Managers。
1、修改环境变量，vi /etc/profile,添加以下内容
export FLINK_HOME=/usr/flink
export PATH=$FLINK_HOME/bin:$PATH
2、更改配置文件flink-conf.yaml，cd $FLINK_HOME/conf, vi flink-conf.yaml
主要更改的位置有：
jobmanager.rpc.address: master
taskmanager.numberOfTaskSlots: 2
parallelism.default: 4
上述我们只列出了一些常用需要修改的文件内容，下面我们再简单介绍一些
# jobManager 的IP地址
jobmanager.rpc.address: master
# JobManager 的端口号
jobmanager.rpc.port: 6123
# JobManager JVM heap 内存大小
jobmanager.heap.size: 1024m
# TaskManager JVM heap 内存大小
taskmanager.heap.size: 1024m
# 每个 TaskManager 提供的任务 slots 数量大小，默认为1
taskmanager.numberOfTaskSlots: 2
# 程序默认并行计算的个数，默认为1
parallelism.default: 4
3、配置masters文件
该文件用于指定主节点及其web访问端口，表示集群的Jobmanager，vi masters，添加master:8081
4、配置slaves文件，该文件用于指定从节点，表示集群的taskManager。添加以下内容
master
slave1
slave2
5、分发flink服务，并在从节点环境变量文件/etc/profile中添加相关内容
scp -r /usr/flink root@slave1:/usr
scp -r /usr/flink root@slave2:/usr
6、启动flink集群 （因为在环境变量中已经指定了flink的bin位置，因此可以直接输入start-cluster.sh）
7、验证flink进程，登录web界面
由上图可看出，在master节点上已经启动了flink的Jobmanager和Taskmanager进程，slave节点启动了Taskmanager进程,Flink集群的相关服务已正常启动，下面查看Web界面是否正常，登录配置的master的ip地址+端口号：192.168.83.129:8081,flink cluster情况如下：
至此，standalone模式已成功安装。
注：这里只是集群模式而已，在实际场景中，我们一般需要配置为HA，防止Jobmanager突然挂掉，导致整个集群或者任务执行失败的情况发生。下面介绍一下Standalone HA模式的搭建安装
三、Standalone HA模式
当Flink程序运行时，如果jobmanager崩溃，那么整个程序都会失败。为了防止jobmanager的单点故障，借助于zookeeper的协调机制，可以实现jobmanager的HA配置—-1主（leader）多从（standby）。这里的HA配置只涉及standalone模式，yarn模式暂不考虑。
本例中规划Jobmanager:master,slave1(一个active，一个standby)；Taskmanager：slave1，slave2；zookeeper集群。
1、更改flink-conf.yaml配置文件
1.jobmanager端口
jobmanager.web.port: 8081(需要防止端口冲突)
1.jobmanager地址
注释jobmanager.rpc.address:flink配置项
HA模式下，jobmanager不需要指定，在master file中配置，由zookeeper选出leader与standby。
2.checkpoints目录
检查点生成的分布式快照的保存地点，默认是jobmanager的memory，但是HA模式必须配置在hdfs上，
且保存路径需要在hdfs上创建并指定路径
state.backend: filesystem
state.backend.fs.checkpointdir: hdfs://192.168.83.129:9000/flink-metadata/checkpoints
3.hadoopconf路径：
指定hadoop conf路径，这里需要告诉Flink，hadoop配置的路径，否则会报错
fs.hdfs.hadoopconf: $HADOOP_HOME/etc/hadoop
4.zookeeper信息
recovery.mode: zookeeper
recovery.zookeeper.quorum: master:2181,slave1:2181,slave2:2181
recovery.zookeeper.storageDir: hdfs://192.168.83.129:9000/flink-metadata/recovery
recovery.zookeeper.path.root: /flink
recovery.zookeeper.path.namespace: /flink
配置项说明：
storageDir存储jobmanager的元数据信息，包括用于恢复的信息；
recovery.zookeeper.path.root代表zookeeper中节点信息；
recovery.zookeeper.path.namespace，如果Flink集群有不止一个，那么这个值需要指定，不能用默认的名字
2、配置masters文件
master:8081
slave1:8081
注意： spark有个端口已经占用了8081，如果要和spark部署到同一个集群中，应当防止端口冲突
3、分发配置文件，将刚刚修改的配置文件slaves和flink-conf.yaml分发至另外两个节点。
4、重启flink集群：start-cluster.sh
四、Flink on yarn
Flink on yarn的模式适用于实际环境，最近也一直听到很多关于flink on yarn 的消息。由于比较重要，因此单独放一篇《Flink on Yarn模式部署始末》