flink on yarn部署

flink on yarn需要的组件与版本如下

1. Zookeeper 3.4.9 用于做Flink的JobManager的HA服务
2. hadoop 2.7.2 搭建HDFS和Yarn
3. flink 1.9.1（scala 2.11）

Zookeeper, HDFS 和 Yarn 的组件的安装可以参照网上的教程。

在zookeeper，HDFS 和Yarn的组件的安装好的前提下，在客户机上提交Flink任务，具体流程如下：

• 在启动Yarn-Session 之前， 设置好HADOOP_HOME,YARN_CONF_DIR ， HADOOP_CONF_DIR环境变量中三者的一个。如下所示， 根据具体的hadoop 路径来设置（CDH和HDP不知道的话可以在机器上直接搜索）

$ export HADOOP_HOME=/usr/local/hadoop-current

• 配置flink 目录下的flink-conf.yaml, 如下所示

  jobmanager.rpc.address: localhost
  jobmanager.rpc.port: 6123
  jobmanager.heap.mb: 256
  taskmanager.heap.mb: 512
  taskmanager.numberOfTaskSlots: 1
  taskmanager.memory.preallocate: false
  parallelism.default: 1
  jobmanager.web.port: 8081
  
  # yarn
  yarn.maximum-failed-containers: 99999
  
  #akka config
  akka.watch.heartbeat.interval: 5 s
  akka.watch.heartbeat.pause: 20 s
  akka.ask.timeout: 60 s
  akka.framesize: 20971520b
  
  #high-avaliability
  high-availability: zookeeper
  ## 根据安装的zookeeper信息填写
  high-availability.zookeeper.quorum: ****:2181,****:2181,****:2181
  high-availability.zookeeper.path.root: /flink
  ## HA 信息存储到HDFS的目录，根据各自的Hdfs情况修改
  high-availability.zookeeper.storageDir: hdfs://hdcluster/flink/recovery/
  
  #checkpoint config
  state.backend: rocksdb
  ## checkpoint到HDFS的目录 根据各自安装的HDFS情况修改
  state.backend.fs.checkpointdir: hdfs://hdcluster/flink/checkpoint
  ## 对外checkpoint到HDFS的目录
  state.checkpoints.dir: hdfs://hdcluster/flink/savepoint
  
  #memory config
  env.java.opts: -XX:+UseConcMarkSweepGC -XX:CMSInitiatingOccupancyFraction=75 -XX:+UseCMSInitiatingOccupancyOnly -XX:+AlwaysPreTouch -server -XX:+HeapDumpOnOutOfMemoryError
  yarn.heap-cutoff-ratio: 0.2
  taskmanager.memory.off-heap: true

• 提交Yarn-Session，切换到flink的bin 目录下,提交命令如下

  $ ./yarn-session.sh -n 2 -s 6 -jm 3072 -tm 6144 -nm test -d

  启动yarn-session的参数解释如下

参数	参数解释	设置推荐
-n(–container)	taskmanager的数量
-s(–slots)	用启动应用所需的slot数量/ -s 的值向上取整，有时可以多一些taskmanager，做冗余 每个taskmanager的slot数量，默认一个slot一个core，默认每个taskmanager的slot的个数为1	6～10
-jm	jobmanager的内存（单位MB)	3072
-tm	每个taskmanager的内存（单位MB)	根据core 与内存的比例来设置，-s的值＊ （core与内存的比）来算
-nm	yarn 的appName(现在yarn的ui上的名字)｜
-d	后台执行

• 提交yarn－session 后，可以在yarn的ui上看到一个应用（应用有一个appId）, 切换到flink的bin目录下，提交flink 应用。命令如下

  $ ./flink -run file:///home/yarn/test.jar -a 1 -p 12 -yid appId -nm flink-test -d

  启动flink 应用的参数解释如下

参数	参数解释
-j	运行flink 应用的jar所在的目录
-a	运行flink 应用的主方法的参数
-p	运行flink应用的并行度
-c	运行flink应用的主类, 可以通过在打包设置主类
-nm	flink 应用名字，在flink-ui 上面展示
-d	后台执行
–fromsavepoint	flink 应用启动的状态恢复点

• 启动flink应用成功，即可在yarn ui 点击对应应用的ApplicationMaster链接,既可以查看flink-ui ，并查看flink 应用运行情况。