云服务器搭建flink集群

1.集群配置

节点服务器	s1	s2	s3	s4	gracal
角色	JobManager TaskManager	TaskManager	TaskManager	TaskManager	TaskManager

2.修改集群配置

• 配置flink-conf.yaml

  [gaochuchu@s1 conf]$ vim flink-conf.yaml 
  jobmanager.rpc.address:s1
  jobmanager.bind-host: 0.0.0.0
  taskmanager.bind-host: 0.0.0.0
  taskmanager.host: s1
  rest.address: s1
  rest.bind-address: 0.0.0.0
  

• 配置workers，TaskManager角色的服务器

  [gaochuchu@s1 conf]$ vim workers
  s1
  s2
  s3
  s4
  gracal
  

• 配置masters,Master角色的服务器

  [gaochuchu@s1 conf]$ vim masters
  s1:8081
  

• 分发配置,并且修改其他服务器的taskmanager节点地址为当前主机名

  [gaochuchu@s1 module]$ xsync flink-1.17.0/
  [gaochuchu@s2 conf]$ vim flink-conf.yaml 
  taskmanager.host: s2
  [gaochuchu@s3 conf]$ vim flink-conf.yaml 
  taskmanager.host: s3
  [gaochuchu@s4 conf]$ vim flink-conf.yaml 
  taskmanager.host: s4
  [gaochuchu@gracal conf]$ vim flink-conf.yaml 
  taskmanager.host: gracal
  

• 启动和停止集群

  [gaochuchu@s1 flink-1.17.0]$ bin/start-cluster.sh 
  [gaochuchu@s1 flink-1.17.0]$ bin/stop-cluster.sh 
  

  发现所有节点的TaskManager都没启动起来，查看日志发现问题：

  	at org.apache.flink.runtime.taskexecutor.TaskManagerRunner.main(TaskManagerRunner.java:468) [flink-dist-1.17.0.jar:1.17.0]
  Caused by: org.apache.flink.util.ConfigurationException: Config parameter 'Key: 'jobmanager.rpc.address' , default: null (fallback keys: [])' is missing (hostname/address of JobManager to connect to).
  	at org.apache.flink.runtime.highavailability.HighAvailabilityServicesUtils.getJobManagerAddress(HighAvailabilityServicesUtils.java:192) ~[flink-dist-1.17.0.jar:1.17.0]
  	at org.apache.flink.runtime.highavailability.HighAvailabilityServicesUtils.createHighAvailabilityServices(HighAvailabilityServicesUtils.java:114) ~[flink-dist-1.17.0.jar:1.17.0]
  	at org.apache.flink.runtime.taskexecutor.TaskManagerRunner.startTaskManagerRunnerServices(TaskManagerRunner.java:195) ~[flink-dist-1.17.0.jar:1.17.0]
  	at org.apache.flink.runtime.taskexecutor.TaskManagerRunner.start(TaskManagerRunner.java:293) ~[flink-dist-1.17.0.jar:1.17.0]
  	at org.apache.flink.runtime.taskexecutor.TaskManagerRunner.runTaskManager(TaskManagerRunner.java:486) ~[flink-dist-1.17.0.jar:1.17.0]
  	... 5 more
  

  解决：编写配置文件的时候的key的":"之后需要增加空格，没有加

3. 访问Web UI

• 启动成功后，通过http://s1:8081对flink集群和任务进行监管。

  

  这里可以明显看到，当前集群的TaskManager数量为5；由于默认每个TaskManager的Slot数量为1，所以总Slot数和可用Slot数都为5。

4. 提交作业方式

• 可以通过Web UI向集群提交jar包作业

  

• 也可以通过命令行提交作业

  首先启动集群

  #s1中启动netcat
  [gaochuchu@s1 flink-1.17.0]$ nc -lk 7777
  #在flink的安装路径下，命令行使用flink run命令提交作业
  bin/flink run -m s1:8081 -c com.gcc.wc.SocketStreamWordCount ./FlinkTutorial-1.0-SNAPSHOT.jar
  

5.Yarn部署模式配置

YARN上部署的过程是：客户端把Flink应用提交给Yarn的ResourceManager，Yarn的ResourceManager会向Yarn的NodeManager申请容器。在这些容器上，Flink会部署JobManager和TaskManager的实例，从而启动集群。Flink会根据运行在JobManger上的作业所需要的Slot数量动态分配TaskManager资源。

• 配置环境变量，/etc/profile.d/my_env.sh

  export HADOOP_CONF_DIR=${HADOOP_HOME}/etc/hadoop
  export HADOOP_CLASSPATH=`hadoop classpath`
  

• 启动hadoop集群

• 在s1上启动netcat

  [gaochuchu@s1 flink-1.17.0]$ nc -lk 7777
  

5.1 会话模式部署（Session Mode）

• YARN的会话模式与独立集群略有不同，需要首先申请一个YARN会话（YARN Session）来启动Flink集群。具体步骤如下：

  • 启动集群：HDFS、Yarn

  • 执行脚本命令向YARN集群申请资源，开启一个YARN会话，启动Flink集群。

    bin/yarn-session.sh -nm test
    

    可用参数解读：

    -d：分离模式，如果你不想让Flink YARN客户端一直前台运行，可以使用这个参数，即使关掉当前对话窗口，YARN session也可以后台运行。

    -jm（–jobManagerMemory）：配置JobManager所需内存，默认单位MB。

    -nm（–name）：配置在YARN UI界面上显示的任务名。

    -qu（–queue）：指定YARN队列名。

    -tm（–taskManager）：配置每个TaskManager所使用内存。

    注意：Flink1.11.0版本不再使用-n参数和-s参数分别指定TaskManager数量和slot数量，YARN会按照需求动态分配TaskManager和slot。所以从这个意义上讲，YARN的会话模式也不会把集群资源固定，同样是动态分配的。

    

• 会话模式作业的提交

  • 1.通过如上的JobManager Web分配的Web UI提交作业，即与StandLone部署模式基本相同

    

  • 2.通过命令行将该任务提交到已经开启的Yarn-Session中运行

     [gaochuchu@s1 flink-1.17.0]$ bin/flink run -c com.gcc.wc.SocketStreamWordCount FlinkTutorial-1.0-SNAPSHOT.jar
    

    客户端可以自行确定JobManager的地址，也可以通过-m或者-jobmanager参数指定JobManager的地址，JobManager的地址在YARN Session的启动页面中可以找到。如果不设置-m,默认提交任务到Yarn

  • 提交任务成功可以在Yarn的Web UI页面查看任务的运行情况

    

• 会话模式的停止

  • 通过yarn的web ui上直接kill application

    

  • 通过命令行关闭会话

    echo "stop" | ./bin/yarn-session.sh -id application_1699171019345_0003
    

5.2 单作业模式(Per-job Mode)

• 在YARN环境中，由于有了外部平台做资源调度，所以我们也可以直接向YARN提交一个单独的作业，从而启动一个Flink集群。

• 命令行提交 -t是单作业模式下必须的

  [gaochuchu@s1 flink-1.17.0]$ bin/flink run -d -t yarn-per-job -c com.atguigu.wc.WordCountStreamUnboundedDemo lib/FlinkTutorial-1.17-1.0-SNAPSHOT.jar
  

  报错：

  Exception in thread "Thread-5" java.lang.IllegalStateException: Trying to access closed classloader. Please check if you store classloaders directly or indirectly in static fields. If the stacktrace suggests that the leak occurs in a third party library and cannot be fixed immediately, you can disable this check with the configuration 'classloader.check-leaked-classloader'.
  	at org.apache.flink.util.FlinkUserCodeClassLoaders$SafetyNetWrapperClassLoader.ensureInner(FlinkUserCodeClassLoaders.java:184)
  	at org.apache.flink.util.FlinkUserCodeClassLoaders$SafetyNetWrapperClassLoader.getResource(FlinkUserCodeClassLoaders.java:208)
  	at org.apache.hadoop.conf.Configuration.getResource(Configuration.java:2780)
  	at org.apache.hadoop.conf.Configuration.getStreamReader(Configuration.java:3036)
  	at org.apache.hadoop.conf.Configuration.loadResource(Configuration.java:2995)
  	at org.apache.hadoop.conf.Configuration.loadResources(Configuration.java:2968)
  	at org.apache.hadoop.conf.Configuration.getProps(Configuration.java:2848)
  	at org.apache.hadoop.conf.Configuration.get(Configuration.java:1200)
  	at org.apache.hadoop.conf.Configuration.getTimeDuration(Configuration.java:1812)
  	at org.apache.hadoop.conf.Configuration.getTimeDuration(Configuration.java:1789)
  	at org.apache.hadoop.util.ShutdownHookManager.getShutdownTimeout(ShutdownHookManager.java:183)
  	at org.apache.hadoop.util.ShutdownHookManager.shutdownExecutor(ShutdownHookManager.java:145)
  	at org.apache.hadoop.util.ShutdownHookManager.access$300(ShutdownHookManager.java:65)
  	at org.apache.hadoop.util.ShutdownHookManager$1.run(ShutdownHookManager.java:102)
  

  解决：flink-conf.xml中添加配置

  [gaochuchu@s1 flink-1.17.0]$ vim conf/flink-conf.yaml 
  classloader.check-leaked-classloader: false
  

  

• 取消作业

  • yarn的web ui进行取消

  • flink的web ui中进行取消

  • 命令行取消

    #查看作业 显示jobid
    [gaochuchu@s1 flink-1.17.0]$ bin/flink list -t yarn-per-job -Dyarn.application.id=application_XXXX_YY
    #停止作业 需要应用id和jobid
    [gaochuchu@s1 flink-1.17.0]$ bin/flink cancel -t yarn-per-job -Dyarn.application.id=application_XXXX_YY 
    

5.3 应用模式部署（推荐）

应用模式与单作业模式类似，直接执行flink run-applications命令即可

• 执行命令行提交作业

  [gaochuchu@s1 flink-1.17.0]$ bin/flink run-application -t yarn-application -c com.atguigu.wc.WordCountStreamUnboundedDemo ./FlinkTutorial-1.17-1.0-SNAPSHOT.jar 
  

  

• 取消作业

  • 通过flink的web ui取消作业

  • 通过yarn的web ui kill applications

  • 在命令行查看或者取消作业

    #查看作业
    [gaochuchu@s1 flink-1.17.0]$ bin/flink list -t yarn-per-job -Dyarn.application.id=application_1699171019345_0007
    #取消作业
    [gaochuchu@s1 flink-1.17.0]$ bin/flink cancel -t yarn-per-job -Dyarn.application.id=application_1699171019345_0007 c3aa3f94f9b2c758041a72c724aa6acf
    

5.3.1 上传HDFS提交（推荐）

• yarn模式下每次都需要上传Flink自身的依赖到HDFS，若是能够将Flink的依赖提前上传到HDFS，或者将运行的jar包提交上传到HDFS，可以对提交节点带宽不会占用过多

  • 上传HDFS提交

    • 上传flink的lib和plugins到HDFS上

      [gaochuchu@s1 flink-1.17.0]$ hadoop fs -mkdir /flink-dist
      [gaochuchu@s1 flink-1.17.0]$ hadoop fs -put lib/ /flink-dist
      [gaochuchu@s1 flink-1.17.0]$ hadoop fs -put plugins/ /flink-dist
      

    • 将运行的jar包也上传到HDFS

      [gaochuchu@s1 flink-1.17.0]$ hadoop fs -mkdir /flink-jars
      [gaochuchu@s1 flink-1.17.0]$ hadoop fs -put FlinkTutorial-1.17-1.0-SNAPSHOT.jar /flink-jars
      

    • 执行作业，使得依赖的jar包和运行的jar包都在hdfs上

      [gaochuchu@s1 flink-1.17.0]$ bin/flink run-application -t yarn-application -Dyarn.provided.lib.dirs="hdfs://s1:8020/flink-dist" -c com.atguigu.wc.WordCountStreamUnboundedDemo hdfs://s1:8020/flink-jars/FlinkTutorial-1.17-1.0-SNAPSHOT.jar
      

      

5.4 历史服务器

• 运行 Flink job 的集群一旦停止，只能去 yarn 或本地磁盘上查看日志，不再可以查看作业挂掉之前的运行的 Web UI，很难清楚知道作业在挂的那一刻到底发生了什么。如果我们还没有 Metrics 监控的话，那么完全就只能通过日志去分析和定位问题了，所以如果能还原之前的 Web UI，我们可以通过 UI 发现和定位一些问题。

  Flink提供了历史服务器，用来在相应的 Flink 集群关闭后查询已完成作业的统计信息。我们都知道只有当作业处于运行中的状态，才能够查看到相关的WebUI统计信息。通过 History Server 我们才能查询这些已完成作业的统计信息，无论是正常退出还是异常退出。

  此外，它对外提供了 REST API，它接受 HTTP 请求并使用 JSON 数据进行响应。Flink 任务停止后，JobManager 会将已经完成任务的统计信息进行存档，History Server 进程则在任务停止后可以对任务统计信息进行查询。比如：最后一次的 Checkpoint、任务运行时的相关配置。

• 创建目录

  [gaochuchu@s1 flink-1.17.0]$ hadoop fs -mkdir -p /logs/flink-job
  

• 修改flink的配置文件

  [gaochuchu@s1 flink-1.17.0]$ vim conf/flink-conf.yaml 
  jobmanager.archive.fs.dir: hdfs://s1:8020/logs/flink-job
  historyserver.web.address: s1
  historyserver.web.port: 8082
  historyserver.archive.fs.dir: hdfs://s1:8020/logs/flink-job
  historyserver.archive.fs.refresh-interval: 5000
  

• 启动flink的历史服务器

  [gaochuchu@s1 flink-1.17.0]$ bin/historyserver.sh start
  

• 停止历史服务器

  [gaochuchu@s1 flink-1.17.0]$ bin/historyserver.sh stop