这将是一套完整详细且持续更新的、长期维护的原创 Flink系列教程、文档，其中会包含各种商用实例详解、Flink源码讲解、机制剖析、周边组件讲解等，旨在帮助开发者快速融入Flink开发，或作为工具文档参阅。也希望更多的开发者可以参与到大数据相关的技术讨论中来，共同商讨疑难杂症，丰富社区。——尽际

本文标题: 基于 Standalone 模式部署 Flink 服务

文章作者: 尽际

发布时间: 2019年07月25日 - 23:38:30

最后更新: 2019年07月25日 - 23:38:30

原始链接:

许可协议: 署名-非商业性使用-禁止演绎 4.0 国际转载请保留原文链接及作者。

二、基于 Standalone 模式部署 Flink 服务

通过上一篇文章，我们已经下载了Flink 1.8.1版本的安装包到本地磁盘：

flink-1.8.1-bin-scala_2.11.tgz
flink-shaded-hadoop-2-uber-2.7.5-7.0.jar

然后将其上传至虚拟机中。

接下来，开始部署 Flink 服务。在此过程中，会穿插Flink相关概念的讲解。

2.1 基于 Standalone 模式部署 Flink 服务

本教程会基于两种模式（Standalone 和 YARN）部署 Flink 服务。

本章首先使用 Standalone 模式部署 Flink 服务。Standalone 是 Flink 自带的服务管理模式，不需要依赖于其他分布式组件，也不需要提前安装其他第三方服务，从而达到开箱即用的效果。

2.1.1 Flink 服务介绍

在部署 Flink 服务之前，我们需要提前了解如下两个基本概念：

客户端（Client）

向 Flink 集群提交 Job 的客户端。并可以持续与 Flink 集群进行 RPC 通信，从而持续获取 Job 的运行状态。
主服务（JobManager）

Flink 主服务 的名称为 JobManager。它是一个 Java 进程。

该服务所在的节点（宿主机）称之为 Flink 主节点（Master）。

该服务主要用来接收用户（Client 端）提交的Flink Job（数据分析任务），并将 Job 调度分配到从服务上运行。
从服务（TaskManager）

Flink 从服务 的名称为 TaskManager，它也是一个Java进程。

该服务所在的节点（宿主机）称之为 Flink 从节点（Woker）。

该服务主要用来运行 JobManager 派发过来的 Flink Job。

在部署 Flink 服务阶段，暂且不需要了解太多关于任务运行的概念。后续再慢慢展开介绍。此处将展示 Flink 服务的官方架构如图2-1 所示，读者暂且粗略了解即可。

图2-1 Flink 服务架构图

Flink 服务架构图.png

2.1.2 基于 Standalone 模式部署服务

了解了 Flink 服务的基本概念后，开始根据如下步骤部署服务吧。

在本例中，将在 3 台虚拟机中部署的 Flink 服务如表2-1 所示。

表2-1 Standalone 模式下部署的 Flink 服务的分布

linux01 linux02 linux03

JobManager - -

- TaskManager TaskManager

linux01	linux02	linux03
JobManager	-	-
-	TaskManager	TaskManager

解压 Flink 压缩包

将Flink压缩包上传至第一台虚拟机的 ~/softwares/installations 目录后，使用如下命令进行解压：
```
$ tar -zxf tar -zxf ~/softwares/installations/flink-1.8.1-bin-scala_2.11.tgz -C ~/modules/
```
修改配置文件
- 修改flink-conf.yaml文件
  
  修改 conf 目录下的 flink-conf.yaml 配置文件，涉及到修改的内容如下所示：
```
jobmanager.rpc.address: linux01
```
  该项配置是指将笔者所使用的第一台虚拟机作为 Master 节点，即，第一台机器会开启 Flink 的JobManager服务。
  
  提示：如果Master和Worker机器上没有配置JAVA_HOME环境变量，需要在 flink-conf.yaml 中通过 env.java.home 变量指定JAVA的安装目录。

修改slaves文件

修改 conf 目录下的 slaves 配置文件，修改后的内容如下所示：
```
linux02
linux03
```
该文件中的每一行是一个 IP 或 主机名，代表稍后会在这些节点上开启 TaskManager 服务。

合理配置依赖包
- 添加 Flink-Table 依赖包
  
  在生产环境中，开发者开发的 Flink 应用程序可能会伴随 Table API 的操作（支持以 SQL 的方式进行数据分析），因此，开发者需要将 Flink 安装目录下的 opt 中的 flink-table_2.11-1.8.1.jar 包拷贝到 lib 目录中。操作命令如下所示：
```
$ pwd
/home/admin/modules/flink-1.8.1
$ cp -a opt/flink-table_2.11-1.8.1.jar lib/
```
- 添加 Hadoop 依赖包
  
  将之前下载好的 flink-shaded-hadoop-2-uber-2.7.5-7.0.jar 包移动至 Flink 安装目录的 lib 目录中，使 Flink 能够支持对 Hadoop 的操作。操作命令如下所示：
```
$ pwd
/home/admin/modules/flink-1.8.1
$ cp -a ~/softwares/installations/flink-shaded-hadoop-2-uber-2.7.5-7.0.jar ./lib/
```
以上操作完成后，即可看到 lib 目录下的内容如下所示：
```
$ ll lib/
flink-dist_2.11-1.8.1.jar
flink-shaded-hadoop-2-uber-2.7.5-7.0.jar
flink-table_2.11-1.8.1.jar
log4j-1.2.17.jar
slf4j-log4j12-1.7.15.jar
```
分发 Flink 安装目录

以上步骤配置完成后，即可分发该安装包到其他节点，操作命令如下：
```
$ pwd
/home/admin/modules
scp -r flink-1.8.1/ admin@linux02:/home/admin/modules/
scp -r flink-1.8.1/ admin@linux03:/home/admin/modules/
```
提示：在进行上述操作时，最好配置完成集群各个节点之间的 SSH 无秘钥访问。其中 scp -r 表示远程分发目录到后面的节点对应目录中。

分发完成后，即可在其他节点对应目录中查看到 Flink 安装包。
启动 Flink 服务

接下来，即可启动 Flink 集群，操作命令如下：
```
$ pwd
/home/admin/modules/flink-1.8.1
$ bin/start-cluster.sh
Starting cluster.
Starting standalonesession daemon on host linux01.
Starting taskexecutor daemon on host linux02.
Starting taskexecutor daemon on host linux03.
```
稍等片刻，我们即可通过 jps 分别查看到 3 台节点的进程如下：
```
----------------admin@linux01-----------------
4132 Jps
4038 StandaloneSessionClusterEntrypoint
----------------admin@linux02-----------------
3057 Jps
2951 TaskManagerRunner
----------------admin@linux03-----------------
2977 TaskManagerRunner
3032 Jps
```
现在，可以通过浏览器，访问 Flink Master 节点的地址进入后台管理页面，查看启动的集群服务。

后台页面默认地址如下：
```
http://linux01:8081
```
提示：如果在 Windows 中通过浏览器访问虚拟机中的页面服务，可以通过虚拟机的 IP 地址访问如果想要通过虚拟机的主机名访问，则需要将虚拟机的 IP 地址与虚拟机的主机名配置到 Windows 中的 C:/windows/system32/driver/etc/hosts文件中。

查看到的页面效果如图2-2 所示。

图2-2 Flink 后台管理页面

Flink 后台管理页面.png

2.2 基于 Standalone 模式提交 Flink Job

完成上述部署后，可通过运行官方提供的一个案例来检测集群是否能够正常工作。运行官方案例的命令如下：

$ pwd
/home/admin/modules/flink-1.8.1
$  bin/flink run ./examples/batch/WordCount.jar

正常情况下，提交上述命令后，前往 Flink 后台管理页面，即可看到如图2-3 所示内容。

图2-3 提交的 Flink Job

提交Flink Job.png

在上述提交 Job 的命令中，是最简化的形式，开发者在提交任务时，还可以通过其他参数配置 Job 运行时的资源、状态、功能等信息。我们将在后续的章节中进行说明。

2.3 本章小结

本章基于 Standalone 模式部署了 Flink 服务，在此过程中，忽略了配置文件中的若干可配置项，并简述了相关概念。目的在于先将集群环境梳理清楚，完成集群搭建，循序渐进捋清前置知识。下一章，我们将基于 YARN 模式部署 Flink 服务。

IT全栈公众号：

IT全栈营二维码.png

QQ大数据技术交流群：476966007：

大数据交流群二维码.png

002 基于 Standalone 模式部署 Flink 服务