上一章讲了flink 的 application mode。今天我们主要通过该模式提交WordCount作业，并且选择的是native kubernetes。
Native Kubernetes 原理
下图描述了flink如何与kubernetes集成：
创建Flink Kubernetes Session集群时，Flink客户端将首先连接到Kubernetes ApiServer提交集群描述，包括ConfigMap规范，Job Manager服务规范，Job Manager Deployment规范和Owner Reference。然后，Kubernetes将创建JobManager Deployment，在此期间，Kubelet将拉取镜像，准备并安装卷，然后执行启动命令。启动JobManager Pod 后，Dispatcher和KubernetesResourceManager 就绪可用，并且集群已准备好接受一个或多个作业。
当用户通过Flink客户端提交作业时，客户端将生成Job Graph，并将其与用户jar一起上传到Dispatcher。
JobManager向KubernetesResourceManager请求插槽的资源。如果没有可用的插槽，资源管理器将创建TaskManager Pod并在集群中注册它们。
示例
Application mode允许用户创建一个包含其Job和Flink运行时的镜像，这将根据需要自动创建和销毁集群组件。 Flink社区提供了针对任何用例定制的基本docker镜像。
下载
首先去官网下载 flink1.11。包中包含以下内容：
bin conf Dockerfile examples lib LICENSE licenses log NOTICE opt plugins README.txt其中：
- bin 下包含了flink相关的一些可执行文件以及一些shell脚本，主要用来提交任务或是创建停止集群
- conf 包含了flink和日志等相关的配置文件
- examples， 顾名思义，就是一些demo示例，比如我们今天的WordCount 就位于此路径下
- lib 包含 flink 依赖的包
- opt 包含了一些扩展的包，比如flink 对接s3的专用包
- plugins 包含了监控相关，比如对接prometheus，graphite等。
构建镜像
然后我们创建一个Dockerfile，用于定制镜像。Dockerfile内容如下：
FROM flink
RUN mkdir -p $FLINK_HOME/usrlib
COPY ./examples/streaming/WordCount.jar $FLINK_HOME/usrlib/my-flink-job.jar构建镜像：
docker build -t iyacontrol/flink-world-count:v0.0.1 .
Sending build context to Docker daemon 362.7MB
Step 1/3 : FROM flink
latest: Pulling from library/flink
e9afc4f90ab0: Already exists
989e6b19a265: Already exists
af14b6c2f878: Already exists
68a79816c3e1: Pull complete
037cc5cb1b83: Pull complete
d3efdb331614: Pull complete
bf82d2b871ad: Pull complete
4ff2e8c5d83f: Pull complete
f15a0d59303a: Pull complete
81130e2e9fdd: Pull complete
40bdeebc27c6: Pull complete
8fe3a85e5402: Pull complete
Digest: sha256:665db47d0a2bcc297e9eb4df7640d3e4c1d398d25849252a726c8ada112722cf
Status: Downloaded newer image for flink:latest
---> 43f070a908e6
Step 2/3 : RUN mkdir -p $FLINK_HOME/usrlib
---> Running in c44a726b85a9
Removing intermediate container c44a726b85a9
---> 67ab6686e049
Step 3/3 : COPY ./examples/streaming/WordCount.jar $FLINK_HOME/usrlib/my-flink-job.jar
---> ab3686ebc7e5
Successfully built ab3686ebc7e5推送镜像到镜像仓库：
docker push iyacontrol/flink-world-count:v0.0.1
The push refers to repository [docker.io/iyacontrol/flink-world-count]
b3b3d0402b8d: Pushed
b1757ffb6e42: Pushed
3af0e2838f53: Mounted from library/flink
cf0f92755ad7: Mounted from library/flink
1f8a2f4bd423: Mounted from library/flink
eedc301c6f3f: Mounted from library/flink
d23c0e026b3e: Mounted from library/flink
37f26e989a45: Mounted from library/flink
e658c78cae16: Mounted from library/flink
d8859f270d7a: Mounted from library/flink
7ab97ad88178: Mounted from library/flink
527ade4639e0: Mounted from library/flink
c2c789d2d3c5: Mounted from library/flink
8803ef42039d: Mounted from library/flink
v0.0.1: digest: sha256:fcd99fedbba2734796226a725789bf7db109131b04f2a13c1cd1bc773ff3b8c0 size: 3253注意：此处需要换成自己的镜像仓库。或是可以绕过构建步骤，直接使用我打好的镜像。
配置kubernetes RBAC权限
需要给flink授予RBAC某些权限，并且在提交任务的时候通过参数(-Dkubernetes.jobmanager.service-account=flink)指定， JobManager 方可创建作业Pod。
kubectl create serviceaccount flink -n stream
kubectl create clusterrolebinding flink-role-binding-flink -n stream --clusterrole=edit --serviceaccount=stream:flink并没有选择default 命名空间，这里创建了一个stream的命名空间。
提交作业
执行以下命令提交WorldCount 作业:
./bin/flink run-application -p 8 -t kubernetes-application \
-Dkubernetes.cluster-id=my-first-cluster \
-Dtaskmanager.memory.process.size=4096m \
-Dkubernetes.taskmanager.cpu=2 \
-Dtaskmanager.numberOfTaskSlots=4 \
-Dkubernetes.container.image=iyacontrol/flink-world-count:v0.0.1 \
-Dkubernetes.namespace=stream \
-Dkubernetes.jobmanager.service-account=flink \
-Dkubernetes.rest-service.exposed.type=LoadBalancer \
-Dkubernetes.rest-service.annotations=service.beta.kubernetes.io/aws-load-balancer-type:nlb \
local:///opt/flink/usrlib/my-flink-job.jar只有 application mode 的架构支持local。假定jar位于镜像中，而不位于Flink客户端中。
如下类似输出：
2020-07-17 17:57:55,455 INFO org.apache.flink.kubernetes.utils.KubernetesUtils [] - Kubernetes deployment requires a fixed port. Configuration blob.server.port will be set to 6124
2020-07-17 17:57:55,455 INFO org.apache.flink.kubernetes.utils.KubernetesUtils [] - Kubernetes deployment requires a fixed port. Configuration taskmanager.rpc.port will be set to 6122
2020-07-17 17:57:55,511 WARN org.apache.flink.kubernetes.kubeclient.decorators.HadoopConfMountDecorator [] - Found 0 files in directory null/etc/hadoop, skip to mount the Hadoop Configuration ConfigMap.
2020-07-17 17:57:55,511 WARN org.apache.flink.kubernetes.kubeclient.decorators.HadoopConfMountDecorator [] - Found 0 files in directory null/etc/hadoop, skip to create the Hadoop Configuration ConfigMap.
2020-07-17 17:57:56,348 INFO org.apache.flink.kubernetes.KubernetesClusterDescriptor [] - Create flink application cluster my-first-cluster successfully, JobManager Web Interface: http://F1DD312BB1102AC0AE558F66FA.gr7.ap-southeast-1.eks.amazonaws.com:8081下面我们讲下提交参数：
- kubernetes.cluster-id 可以指定，更加语义化，如果不指定，系统会使用uuid。
- kubernetes.rest-service.exposed.type 指定暴露Jobmanager 服务的方式。
- kubernetes.rest-service.annotations 如果你的k8s集群使用的是公有云的托管k8s，而且 kubernetes.rest-service.exposed.type 为LoadBalancer，该参数一般都需要设置。
- kubernetes.container.image 指定我们作业的镜像。
然后我们查看一下再k8s当中创建了那些资源：
kubectl get all -n stream
NAME READY STATUS RESTARTS AGE
pod/my-first-cluster-64ff98cd96-sprk7 1/1 Running 0 24s
pod/my-first-cluster-taskmanager-1-1 1/1 Running 0 16s
pod/my-first-cluster-taskmanager-1-2 0/1 Pending 0 12s
NAME TYPE CLUSTER-IP EXTERNAL-IP PORT(S) AGE
service/my-first-cluster ClusterIP None 6123/TCP,6124/TCP 24s
service/my-first-cluster-rest LoadBalancer 10.100.xx.179 a4fd46cfa3985f99582310dbfd-0ce036fe28648b82.elb.ap-southeast-1.amazonaws.com 8081:32756/TCP 24s
NAME READY UP-TO-DATE AVAILABLE AGE
deployment.apps/my-first-cluster 1/1 1 1 24s
NAME DESIRED CURRENT READY AGE
replicaset.apps/my-first-cluster-64ff98cd96 1 1 1 24s - 名称为my-first-cluster 的Deployment ，即JobManager
- JobManager根据提交参数创建的两个TaskManager Pod
- 名称为my-first-cluster-rest的 服务，用于集群外访问JobManager的管理UI。
- 名称为my-first-cluster的服务，该服务为Headless 服务，用于TaskManager 的Pod 访问JobManager。
访问UI
使用上面的url访问JobManager的UI，如下：
总结
flink native kubernets 在1.10的时候推出，目前还处于开发当中，某些参数可能会在之后版本中变化。不过1.11 版本已经比较稳定了。