Flink Standalone部署模式

独立模式（Standalone）是部署 Flink 最基本也是最简单的方式： 所需要的所有 Flink 组件， 都只是操作系统上运行的一个 JVM 进程。

独立模式是独立运行的， 不依赖任何外部的资源管理平台； 当然独立也是有代价的： 如果资源不足， 或者出现故障， 没有自动扩展或重分配资源的保证， 必须手动处理。所以独立模式 一般只用在开发测试或作业非常少的场景下。

另外， 我们也可以将独立模式的集群放在容器中运行。 Flink 提供了独立模式的容器化部署方式，可以在 Docker 或者 Kubernetes 上进行部署。

1.会话模式部署

Flink 是一个分布式的流处理框架，所以实际应用一般都需要搭建集群环境。我们在进行 Flink 安装部署的学习时， 需要准备 3 台 Linux 机器。具体要求如下：

• 系统环境为 CentOS 7.5 版本。
• 安装 Java 8。
• 安装 Hadoop 集群， Hadoop 建议选择 Hadoop 2.7.5 以上版本。
• 配置集群节点服务器间时间同步以及免密登录，关闭防火墙。

具体安装步骤：
Flink 是典型的 Master-Slave 架构的分布式数据处理框架， 其中 Master 角色对应着 JobManager，Slave 角色则对应 TaskManager。我们对三台节点服务器的角色分配如下所示。

节点服务器	hadoop102	hadoop103	hadoop104
角色	JobManager	TaskManager	TaskManager

1. 下载安装包
   进入 Flink 官网， 下载 1.13.0 版本安装包 flink- 1.13.0-bin-scala_2.12.tgz，注意此处选用对应 scala 版本为 scala 2.12 的安装包。

2. 解压
   在hadoop102节点服务器上创建安装目录/opt/module，将 flink 安装包放在该目录下，并执行解压命令， 解压至当前目录。

   tar -zxvf flink-1.13.0-bin-scala_2.12.tgz -C /opt/module/
   

3. 修改集群配置
   （1）进入 conf 目录下， 修改 flink-conf.yaml 文件，修改 jobmanager.rpc.address 参数为 hadoop102，如下所示：

   $ cd conf/
   $ vim flink-conf.yaml
   # JobManager 节点地址 .
   jobmanager.rpc.address: hadoop102
   

   这就指定了 hadoop102 节点服务器为 JobManager 节点。
   （2）修改 workers 文件， 将另外两台节点服务器添加为本 Flink 集群的 TaskManager 节点， 具体修改如下：

   $ vim workers
   hadoop103
   hadoop104
   

   这样就指定了 hadoop103 和 hadoop104 为 TaskManager 节点。
   （3）另外， 在 flink-conf.yaml 文件中还可以对集群中的 JobManager 和 TaskManager 组件 进行优化配置， 主要配置项如下：

   • jobmanager.memory.process.size：对 JobManager 进程可使用到的全部内存进行配置， 包括 JVM 元空间和其他开销，默认为 1600M，可以根据集群规模进行适当调整。
   • taskmanager.memory.process.size：对 TaskManager 进程可使用到的全部内存进行配置， 包括 JVM 元空间和其他开销，默认为 1600M，可以根据集群规模进行适当调整。
   • taskmanager.numberOfTaskSlots：对每个 TaskManager 能够分配的 Slot 数量进行配置， 默认为 1，可根据 TaskManager 所在的机器能够提供给 Flink 的 CPU 数量决定。所谓 Slot 就是TaskManager 中具体运行一个任务所分配的计算资源。
   • parallelism.default：Flink 任务执行的默认并行度， 优先级低于代码中进行的并行度配 置和任务提交时使用参数指定的并行度数量。

4. 分发安装目录
   配置修改完毕后， 将 Flink 安装目录发给另外两个节点服务器。

   scp -r ./flink-1.13.0 root@hadoop103:/opt/module
   scp -r ./flink-1.13.0 root@hadoop104:/opt/module
   

5. 启动集群
   （1）在 hadoop102 节点服务器上执行 start-cluster.sh 启动 Flink 集群：

   bin/start-cluster.sh
   Starting cluster.
   Starting standalonesession daemon on host hadoop102. 
   Starting taskexecutor daemon on host hadoop103. 
   Starting taskexecutor daemon on host hadoop104.
   

   （2）查看进程情况：

   [root@hadoop102 flink-1.13.0]$ jps
   13859 Jps
   13782 StandaloneSessionClusterEntrypoint
   [root@hadoop103 flink-1.13.0]$ jps
   12215 Jps
   12124 TaskManagerRunner
   [root@hadoop104 flink-1.13.0]$ jps
   11602 TaskManagerRunner
   11694 Jps
   

6. 访问 Web UI
   启动成功后， 同样可以访问http://hadoop102:8081对 flink 集群和任务进行监控管理， 如图所示。
   

这里可以明显看到， 当前集群的 TaskManager 数量为 2；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 2。

2.单作业模式部署

Flink 本身无法直接以单作业方式启动集群， 一般需要借助一些资源管理平台。所以 Flink 的独立（Standalone）集群并不支持单作业模式部署。

3.应用模式部署

应用模式下不会提前创建集群， 所以不能调用 start-cluster.sh 脚本。我们可以使用同样在 bin 目录下的 standalone-job.sh 来创建一个 JobManager。
具体步骤如下：
（1）进入到 Flink 的安装路径下， 将应用程序的jar 包放到lib/目录下。

cp ./FlinkTutorial-1.0-SNAPSHOT.jar lib/

（2）执行以下命令， 启动 JobManager。

./bin/standalone-job.sh start --job-classname com.cw.wc.StreamWordCount

这里我们直接指定作业入口类， 脚本会到 lib 目录扫描所有的jar 包。
（3）同样是使用 bin 目录下的脚本， 启动 TaskManager。

./bin/taskmanager.sh start

（4）如果希望停掉集群，同样可以使用脚本，命令如下。

./bin/standalone-job.sh stop
./bin/taskmanager.sh stop

4.高可用(High Availability)

分布式除了提供高吞吐，另一大好处就是有更好的容错性。对于 Flink 而言，因为一般会有多个 TaskManager，即使运行时出现故障，也不需要将全部节点重启，只要尝试重启故障节点就可以了。但是我们发现，针对一个作业而言，管理它的 JobManager 却只有一个，这同样有可能出现单点故障。为了实现更好的可用性，我们需要 JobManager 做一些主备冗余，这就是所谓的高可用（High Availability，简称 HA）。

我们可以通过配置，让集群在任何时候都有一个主 JobManager 和多个备用 JobManagers， 如图所示，这样主节点故障时就由备用节点来接管集群，接管后作业就可以继续正常运行。主备 JobManager 实例之间没有明显的区别，每个 JobManager 都可以充当主节点或者备节点。

具体配置如下：
（1） 进入 Flink 的安装路径下的 conf 目录下，修改配置文件: flink-conf.yaml，增加如下配置。

high-availability: zookeeper
high-availability.storageDir: hdfs://hadoop102:9820/flink/standalone/ha
high-availability.zookeeper.quorum: hadoop102:2181,hadoop103:2181,hadoop104:2181
high-availability.zookeeper.path.root: /flink-standalone
high-availability.cluster-id: /cluster

（2）修改配置文件: masters，配置备用 JobManager 列表

hadoop102:8081
hadoop103:8081

（3） 分发修改后的配置文件到其他节点服务器。
（4） 在/etc/profile.d/my_env.sh 中配置环境变量

export HADOOP_CLASSPATH=`hadoop classpath`

注意:

• 需要提前保证HAOOP_HOME 环境变量配置成功
• 分发到其他节点

具体部署方法如下：

1. 首先启动HDFS 集群和 Zookeeper 集群。

2. 执行以下命令，启动 standalone HA 集群。

   bin/start-cluster.sh
   

3. 可以分别访问两个备用 JobManager 的 Web UI 页面

   http://hadoop102:8081
   http://hadoop103:8081
   

4. 在 zkCli.sh 中查看谁是 leader。

   [zk:localhost:2181(CONNECTED) 1] get /flink-standalone/cluster/leader/rest_server_lock
   

   杀死 hadoop102 上的 Jobmanager, 再看 leader。

注意: 不管是不是leader，从 WEB UI 上是看不到区别的, 都可以提交应用。