flink1.10安装详解

flink从flink1.10版本对其内存结构发生改变，所以在环境配置的时候也要主要具体怎么配置比较合适。

内存结构可以看官网：https://ci.apache.org/projects/flink/flink-docs-release-1.10/ops/memory/mem_setup.html

Standalone模式官网：https://ci.apache.org/projects/flink/flink-docs-release-1.10/ops/deployment/cluster_setup.html

基于yarn模式官网：https://ci.apache.org/projects/flink/flink-docs-release-1.10/ops/deployment/yarn_setup.html

一、环境准备

1.1、java环境

下载java安装包，通过tar -zxvf 命令解压java压缩包，然后配置java变量环境

vim /etc/profile
##########在后面追加##############
export JAVA_HOME=/usr/java/default
export CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar
export PATH=$JAVA_HOME/bin

1.2、ssh环境

准备几台机器

#准备机器 /etc/hosts
192.168.88.130 lgh
192.168.88.131 lgh1
192.168.88.132 lgh2

添加flink group和flink user

useradd flink -d /home/flink
echo "flink123" | passwd flink --stdin

然后对该用户配置ssh环境（在192.168.88.130，指定一台操作）

su - flink
ssh-keygen -t rsa
ssh-copy-id 192.168.88.131
ssh-copy-id 192.168.88.132

1.3、zookeeper环境

下载zookeeper的安装包进行安装

##解压
tar -zxvf zookeeper-3.4.8.tar.gz -C xxx目录
##创建软链接（每一台机器）
ln -s zookeeper-3.4.8 zookeeper

配置环境变量

vim ~/.bashrc
export ZOOKEEPER_HOME=/home/spark/zookeeper
export PATH=$ZOOKEEPER_HOME/bin:$ZOOKEEPER_HOME/conf:$PATH

修改配置

cd /home/spark/zookeeper/conf
cp zoo_sample.cfg zoo.cfg
vim zoo.cfg
###########修改配置如下##################
tickTime=2000 #服务器与客户端之间交互的基本时间单元（ms）
initLimit=10 # 此配置表示允许follower连接并同步到leader的初始化时间，它以tickTime的倍数来表示。当超过设置倍数的tickTime时间，则连接失败
syncLimit=5 # Leader服务器与follower服务器之间信息同步允许的最大时间间隔，如果超过次间隔，默认follower服务器与leader服务器之间断开链接
dataDir=/home/spark/zookeeper/data #保存zookeeper数据路径
dataLogDir=/home//spark/zookeeper/dataLog #保存zookeeper日志路径，当此配置不存在时默认路径与dataDir一致
clientPort=2181 #客户端访问zookeeper时经过服务器端时的端口号
server.1=lgh:2888:3888 #表示了不同的zookeeper服务器的自身标识，作为集群的一部分，每一台服务器应该知道其他服务器的信息
server.2=lgh1:2888:3888
server.3=lgh2:2888:3888
maxClientCnxns=60 #限制连接到zookeeper服务器客户端的数量

创建myid文件

cd /home/spark/zookeeper/data
vim myid #输入1

复制到其他机器以及启动

##复制到其他机器
scp -r zookeeper-3.4.8 spark@lgh1:/home/spark/
scp -r zookeeper-3.4.8 spark@lgh2:/home/spark/

#修改myid文件
不同机器数字不一样，分别为2和3

##启动
zkServer.sh start

#查看状态
zkServer.sh status

#查看进程
jps
QuorumPeerMain

二、安装flink

2.1、基础安装配置

下载：https://flink.apache.org/downloads.html#apache-flink-1101

下载如上两个两个包（第二个包对应hadoop的版本），然后对flink的通过过tar命令进行解压，把第二个包放在flink包的lib目录下，如下所示

[flink@lgh01 lib]$ pwd
/home/flink/flink10/lib
[flink@lgh01 lib]$ ll | grep hadoop
-rwxrwxrwx 1 mstream hive     80331 Apr 16 14:20 flink-hadoop-compatibility_2.11-1.10.0.jar
-rwxrwxrwx 1 mstream hive  36433393 Apr 16 14:20 flink-shaded-hadoop-2-uber-2.6.5-8.0.jar

然后配置hadoop相关的环境变量和flink环境变量

vim /etc/profile
#########后面追加内容#########
export PATH=/apps/opt/cloudera/parcels/CDH/bin:$PATH
export HADOOP_HOME=/apps/opt/cloudera/parcels/CDH/lib/hadoop
export HADOOP_CONF_DIR=/etc/hadoop/conf
export YARN_CONF_DIR=/etc/hadoop/conf
export PATH=$PATH:/apps/opt/cloudera/parcels/CDH/bin
export CLASSPATH=$CLASSPATH:/apps/opt/cloudera/parcels/CDH/jars/:/utf/

#export FLINK_HOME=/apps/flink/flink
#export PATH=$FLINK_HOME/bin:$PATH
export FLINK_HOME=/apps/mstream/install/flink10
export PATH=$FLINK_HOME/bin:$PATH

然后修改flinkxxx/conf/flink-conf.yaml这个配置文件：

jobmanager.rpc.address: 192.168.88.130
jobmanager.rpc.port: 6124
jobmanager.heap.size: 1024m 
taskmanager.heap.size: 1024m
taskmanager.numberOfTaskSlots: 2 #根据自己的CPU core进行配置，lscpu可以查看cpu的核数
cluster.evenly-spread-out-slots: true
env.java.home: /usr/java/default #可以不配置
parallelism.default: 2
high-availability: zookeeper
high-availability.zookeeper.path.root: /flink
high-availability.storageDir: hdfs:///user/flink/ha/ 
high-availability.zookeeper.quorum: lgh1:2181,lgh2:2181,lgh3:2181
#high-availability.cluster-id: /cluster_one # important: customize per cluster #这个参数在yarn模式下不能配置
rest.port: 8081
rest.bind-port: 8080-8180  #这里启动Standalone集群的时候会在日志中选择端口，而不一定就是8081，所以登录的网址就是看日志

taskmanager.memory.process.size: 2048m #flink1.10内存结构变化之后必须要配置三种其中的一个，根据集群进行相应的配置，详情见官网
jobmanager.execution.failover-strategy: region

#checkpoint
state.checkpoints.dir: hdfs:///user/flink/checkpoint
state.checkpoints.num-retained: 20

#savepoint
state.savepoints.dir: hdfs:///user/flink/savepoints

#stateful
state.backend: filesystem #使用FsStateBackend(生产推荐使用rocksdb)
state.backend.fs.checkpointdir: hdfs:///user/flink/pointsdata/
state.backend.incremental: true

jobmanager.archive.fs.dir: hdfs:///user/flink/flink-jobs/
historyserver.web.address: 192.168.88.130
historyserver.web.port: 8083
historyserver.archive.fs.dir: hdfs:///user/flink/historyserver
historyserver.archive.fs.refresh-interval: 10000

blob.storage.directory: /tmp/

配置conf/masters

192.168.88.130:8081
192.168.88.131:8081

配置conf/slaves

192.168.88.130 
192.168.88.131 
192.168.88.132

然后将flink的安装包通过scp -r 命令复制到其他的节点

2.2、日志相关配置（可选）

JobManager和TaskManager的启动日志可以在Flinkbinary目录下的log子目录中找到：

-rw-r--r-- 1 flink flink          0 Mar 25 11:43 flink-flink-standalonesession-8-lgh01.out.1
-rw-r--r-- 1 flink flink          0 Mar 23 16:31 flink-flink-standalonesession-8-lgh01.out.2
-rw-r--r-- 1 flink flink          0 Mar 23 15:18 flink-flink-standalonesession-8-lgh01.out.3
-rw-r--r-- 1 flink flink          0 Mar 23 14:55 flink-flink-standalonesession-8-lgh01.out.4
-rw-r--r-- 1 flink flink     216520 May  5 16:38 flink-flink-taskexecutor-0-lgh01.log
-rw-r--r-- 1 flink flink   14191242 Apr 19 00:05 flink-flink-taskexecutor-0-lgh01.log.1
-rw-r--r-- 1 flink flink     821762 Apr 16 12:24 flink-flink-taskexecutor-0-lgh01.log.2
-rw-r--r-- 1 flink flink          0 Apr 28 11:42 flink-flink-taskexecutor-0-lgh01.out

目录中以“flink-${user}-standalonesession-${id}-${hostname}”为前缀的文件对应的即是JobManager 的输出，其中有三个文件：

flink-${user}-standalonesession-${id}-${hostname}.log：代码中的日志输出
flink-${user}-standalonesession-${id}-${hostname}.out：进程执行时的 stdout 输出
flink-${user}-standalonesession-${id}-${hostname}-gc.log：JVM 的 GC 的日志

目录中以“flink-${user}-taskexecutor-${id}-${hostname}”为前缀的文件对应的是 TaskManager的输出，也包括三个文件，和 JobManager 的输出一致。

日志配置文件在flink安装包的conf目录下，如下：

[flink@lgh01 conf]$ pwd
/home/flink/flink10/conf
[flink@lgh01 conf]$ ll
total 56
-rw-r--r-- 1 flink flink 1187 Mar 25 11:43 flink-conf.yaml
-rw-r--r-- 1 flink flink 2138 Jan 24 17:01 log4j-cli.properties
-rw-r--r-- 1 flink flink 1884 Jan 24 17:01 log4j-console.properties
-rw-r--r-- 1 flink flink 1939 Jan 24 17:01 log4j.properties
-rw-r--r-- 1 flink flink 1709 Jan 24 17:01 log4j-yarn-session.properties
-rw-r--r-- 1 flink flink 2294 Jan 24 17:01 logback-console.xml
-rw-r--r-- 1 flink flink 2331 Jan 24 17:01 logback.xml
-rw-r--r-- 1 flink flink 1550 Jan 24 17:01 logback-yarn.xml
-rw-r--r-- 1 flink flink   36 Mar 16 15:15 masters
-rw-r--r-- 1 flink flink   74 Feb 13 09:51 slaves
-rw-r--r-- 1 flink flink 5484 Apr 28 14:08 sql-client-defaults.yaml
-rw-r--r-- 1 flink flink    1541 Feb 28 16:38 sql-client-hive.yaml
-rw-r--r-- 1 flink flink 1434 Jan 24 17:01 zoo.cfg

其中：

log4j-cli.properties：用Flink命令行时用的log配置，比如执行“flinkrun”命令
log4j-yarn-session.properties：是用yarn-session.sh启动时命令行执行时用的log配置
log4j.properties：无论是standalone还是yarn模式，JobManager和TaskManager上用的log配置都是log4j.properties

这三个“log4j.*properties”文件分别有三个“logback.*xml”文件与之对应，如果想使用logback的同学，之需要把与之对应的“log4j.*properties”文件删掉即可，对应关系如下：

log4j-cli.properties->logback-console.xml
log4j-yarn-session.properties->logback-yarn.xml
log4j.properties->logback.xml

需要注意的是，“flink-${user}-standalonesession-${id}-${hostname}”和“flink-${user}-taskexecutor-${id}-${hostname}”都带有“${id}”，“${id}”表示本进程在本机上该角色（JobManager
或TaskManager）的所有进程中的启动顺序，默认从0开始。

2.3、启动相关

Standalone集群：在打通ssh的节点执行命令： start-cluster.sh即可，然后可以通过jps命令查看相关进程

yarn-session模式：后台启动yarn-session.sh即可，这里可以配置很多参数，可以用yarn-session.sh --help查看，比如：

./bin/yarn-session.sh -jm 1024m -tm 4096m

[flink@lgh01bin]$ ./yarn-session.sh --help
Usage:
   Optional
     -at,--applicationType <arg>     Set a custom application type for the application on YARN
     -D <property=value>             use value for given property
     -d,--detached                   If present, runs the job in detached mode
     -h,--help                       Help for the Yarn session CLI.
     -id,--applicationId <arg>       Attach to running YARN session
     -j,--jar <arg>                  Path to Flink jar file
     -jm,--jobManagerMemory <arg>    Memory for JobManager Container with optional unit (default: MB)
     -m,--jobmanager <arg>           Address of the JobManager (master) to which to connect. 
     -nl,--nodeLabel <arg>           Specify YARN node label for the YARN application
     -nm,--name <arg>                Set a custom name for the application on YARN
     -q,--query                      Display available YARN resources (memory, cores)
     -qu,--queue <arg>               Specify YARN queue.
     -s,--slots <arg>                Number of slots per TaskManager
     -t,--ship <arg>                 Ship files in the specified directory (t for transfer)
     -tm,--taskManagerMemory <arg>   Memory per TaskManager Container with optional unit (default: MB)
     -yd,--yarndetached              If present, runs the job in detached mode (deprecated; use non-YARN specific option instead)
     -z,--zookeeperNamespace <arg>   Namespace to create the Zookeeper sub-paths for high availability mode

yarn per-job模式：不要启动任何啥，通过flink run -m yarn-cluster命令进行提交任务即可，比如：

./bin/flink run -m yarn-cluster -p 4 -yjm 1024m -ytm 4096m ./examples/batch/WordCount.jar

如果有小伙伴也在学习研究flink的话，可以关注下，后期会更新flink相关的基础和flink的相关源码分析

参考：

https://flink.apache.org/

https://files.alicdn.com/tpsservice/4824447b829149c86bedd19424d05915.pdf

posted @ 2020-05-31 15:45 一寸HUI 阅读(3037) 评论(1) 编辑收藏举报

会员力量，点亮园子希望

刷新页面返回顶部

HZhuizai