Flink Standalone HA集群的安装配置

Flink集群有两种部署的模式，分别是Standalone以及YARNCluster模式。

Standalone模式：Flink必须依赖于ZooKeeper来实现JobManager的HA（Zookeeper 已经成为了大部分开源框架HA必不可少的模块）。在Zookeeper的帮助下，一个Standalone的Flink集群会同时有多个活着的 JobManager，其中只有一个处于工作状态，其他处于Standby状态。当工作中的JobManager失去连接（如宕机或Crash），ZooKeeper会从Standby中选举新的JobManager来接管Flink集群。

YARN Cluaster模式：Flink就要依靠YARN本身来对JobManager做HA了。其实这里完全是YARN的机制。对于YARNCluster模式来说，JobManager和TaskManager都是启动在YARN的Container中。此时的 JobManager，其实应该称之为Flink Application Master。也就说它的故障恢复，就完全依靠着YARN中的ResourceManager（和 MapReduce的AppMaster一样）。由于完全依赖了YARN，因此不同版本的YARN可能会有细微的差异。

目录

Local模式

Standalone模式

Standalone HA模式

提交job

---

Local模式

1、解压flink安装包并重命名

      tar -zxf flink-1.9.3-bin-scala_2.11.tgz

      mv flink-1.9.3 flink

2、配置flink环境变量

      

      #需要配置 HADOOP_CONF_DIR 环境变量，否则会有提示

      export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop

3、配置文件flink/conf说明

     

     需要配置的文件有：masters、slaves、flink-conf.yaml文件，其中masters文件是用来配置HA的，只要我们不配置HA（高可         用性）的话，就不需要配置masters文件；slaves是用来配置从节点个数（flink也是master/slave结构）；flink-conf.yaml文件         用来配置集群其他相关信息

4、Local模式中JobManager和TaskManager共用一个JVM来完成WorkLoad。如果验证一个简单的应用，Local 模式是最方便的，实际应用中大多使用Standalone或者Yarn Cluster。Local模式只需要将安装包解压，使用./bin/start-cluster.sh启动即可，看到有如下两个进程即启动成功，使用stop-cluster.sh即可关闭集群

     

Standalone模式

1、配置master文件（主节点地址和端口）

            vim masters

            #设置主节点，非HA模式只配置一个即可

            westgis181:8081

2、配置slaves文件

           vim slaves

           #设置从节点

           westgis182

           westgis183

3、配置flink-conf.yaml文件

           vim $FLINK_HOME/conf/flink-conf.yaml

           修改设置如下即可

           

         其中jobmanager.rpc.address的值为主机名；taskmanager.numberOfTaskSlots的值为slot个数，即Work进程可以同时运行             的Task数，通常是 CPU 的核心数或一半

         注意：flink-conf.yaml中配置key/value时候在“:”后面需要有一个空格，否则配置不会生效。

4、分发给其他节点

        scp -r flink/ westgis182:~/bigdata/

        scp -r flink/ westgis183:~/bigdata/

5、启动

        在flink/bin目录下执行./start-cluster.sh命令

        在主节点出现StandaloneSessionClusterEntrypoint进程

        在从节点出现TaskManagerRunner进程

        主节点：

        

        从节点：

        

6、web界面

        在浏览器输入：主节点ip地址:8081（我这里是：10.103.104.181:8081） 

                        

 7、关闭

       在flink/bin目录下执行./stop-cluster.sh命令

Standalone HA模式

1、配置master文件（主节点地址和端口）

vim $FLINK_HOME/conf/masters

# 设置主节点，HA 设置active及standby两个

westgis181:8081

westgis182:8081

2、配置slaves文件

vim $FLINK_HOME/conf/slaves

#设置从节点

westgis181

westgis182

westgis183

3、配置flink-conf.yaml文件

vim $FLINK_HOME/conf/flink-conf.yaml

配置如下：

# 基础配置

jobmanager.rpc.address: westgis181

jobmanager.heap.size: 1024m

taskmanager.heap.size: 1024m

taskmanager.numberOfTaskSlots: 3

parallelism.default: 5

 

# 指定使用 zookeeper 进行 HA 协调

high-availability: zookeeper

high-availability.storageDir: hdfs://westgis181:9000/flink/ha/

high-availability.zookeeper.quorum: 10.103.104.181:2181,10.103.104.182:2181,10.103.104.183:2181

high-availability.zookeeper.client.acl: open

 

# 指定 checkpoint 的类型和对应的数据存储目录

state.backend: filesystem

state.checkpoints.dir: hdfs://westgis181:9000/flink/flink-checkpoints

jobmanager.execution.failover-strategy: region

 

# Rest和网络配置

rest.port: 8081

rest.address: westgis181

 

# 高级配置，临时文件目录

io.tmp.dirs: /tmp

 

# 配置 HistoryServe

jobmanager.archive.fs.dir: hdfs://westgis181:9000/flink/completed-jobs/

historyserver.web.address: westgis182

historyserver.web.port: 8082

historyserver.archive.fs.dir: hdfs://westgis181:9000/flink/completed-jobs/

historyserver.archive.fs.refresh-interval: 1000

4、拷贝Zookeeper及HDFS配置文件及hadoop依赖包

Hadoop依赖jar包下载地址：

https://repo.maven.apache.org/maven2/org/apache/flink/flink-shaded-hadoop-2-uber/2.6.5-10.0/

根据自身hadoop版本和flink版本下载相应的依赖包，然后上传到$FLINK_HOME /lib目录下

5、分发给其他节点

scp -r flink/ westgis182:~/bigdata/

scp -r flink/ westgis183:~/bigdata/

6、启动

在flink/bin目录下执行./start-cluster.sh命令

主节点的进程为StandaloneSessionClusterEntrypoint

从节点的进程为TaskManagerRunner

主节点：

standby节点：

从节点：

7、web界面

在浏览器输入：主节点ip地址:8081（我这里是：10.103.104.181:8081）

8、关闭

在flink/bin目录下执行./stop-cluster.sh命令

9、测试

       $FLINK_HOME/bin/start-scala-shell.sh是flink提供的交互式client，可以用于代码

片段的测试，方便开发工作，它有两种启动方式，一种是工作在本地，另一种是工作到集群。

本地连接：

${FLINK_HOME}/bin/start-scala-shell.sh local

集群连接：

${FLINK_HOME}/bin/start-scala-shell.sh remote

添加依赖包连接：

${FLINK_HOME}/bin/start-scala-shell.sh [local|remote] --addclasspath

这里，我们使用集群模式去验证

使用./start-scala-shell.sh remote 10.103.104.181 8081命令启动集群连接

案例代码如下：

Scala>val text = benv.fromElements(

"To be, or not to be,--that is the question:--",

"Whether 'tis nobler in the mind to suffer",

"The slings and arrows of outrageous fortune",

"Or to take arms against a sea of troubles,")

       Scala>val counts = text.flatMap { _.toLowerCase.split("\\W+") }.

map { (_, 1) }.groupBy(0).sum(1)

       Scala>counts.print()

       运行结果：

web界面也可以看到详细的信息：

提交job

运行flink自带的wordcount程序

不指定输入输出目录：

flink run -m westgis181:8081 \

$FLINK_HOME/examples/batch/WordCount.jar

指定输入输出目录：

flink run -m westgis181:8081 \

$FLINK_HOME/examples/batch/WordCount.jar \

--input hdfs:///flink/flinkinput/ \

--output hdfs:///flink/flinkoutput