flink on yarn 认证kerberos flink on yarn部署

1.下载安装包

Index of /dist/flink

2.上传flink-1.12.0-bin-scala_2.12.tgz到node01的指定目录

3.解压：tar -zxvf flink-1.12.0-bin-scala_2.12.tgz

4、修改名称 mv  flink-1.12.0-bin-scala_2.12   flink

5、添加系统环境变量 并source生效

     export FLINK_HOME=/opt/flink
     export PATH=$PATH:$FLINK_HOME/bin

6、启动flink

bin/start-cluster.sh

7、使用jps可以查看到下面两个进程

    TaskManagerRunner

    StandaloneSessionClusterEntrypoint

8、访问Flink的Web UI

http://node01:8081/#/overview

slot在Flink里面可以认为是资源组，Flink是通过将任务分成子任务并且将这些子任务分配到slot来并行执行程序。

9、停止Flink

/usr/apps/flink/bin/stop-cluster.sh

10、集群规划

    服务器: node1(Master + Slave): JobManager + TaskManager

    服务器: node2(Slave): TaskManager

    服务器: node3(Slave): TaskManager

11、修改flink-conf.yaml

vim /usr/apps/flink/conf/flink-conf.yaml
    jobmanager.rpc.address: node1
     taskmanager.numberOfTaskSlots: 16（根据机器cpu数定）
     web.submit.enable: true
      
     #历史服务器
     jobmanager.archive.fs.dir: hdfs://node1:8020/flink/completed-jobs/
     historyserver.web.address: node1
     historyserver.web.port: 8082
     historyserver.archive.fs.dir: hdfs://node1:8020/flink/completed-jobs/
     #开启HA，使用文件系统作为快照存储
     state.backend: filesystem
     #启用检查点，可以将快照保存到HDFS
     state.backend.fs.checkpointdir: hdfs://node1:8020/flink-checkpoints
     #使用zookeeper搭建高可用
     high-availability: zookeeper
     # 存储JobManager的元数据到HDFS
     high-availability.storageDir: hdfs://node1:8020/flink/ha/
     # 配置ZK集群地址
     high-availability.zookeeper.quorum: node1:2181,node2:2181,node3:2181

     

12、修改master

#vim /usr/apps/flink/conf/masters
     node1:8081
     node2:8081     修改slaves，zoo.cfg
    #vim /usr/apps/flink/conf/slaves，没有slaves的就用workers
     node1
     node2
     node3    vim /opt/flink/conf/zoo.cfg
     server.103=node03:2888:3888
      server.104=node04:2888:3888
      server.105=node05:2888:3888

13，修改flink的pid路径，vim /opt/flink/bin/config.sh

        修改export DEFAULT_ENV_PID_DIR="/opt/flink/pid

        不修改flink启动后pid默认会放在/tmp/下，tmp是临时文件七天一清理，

        到时候关闭flink集群会报错：no StandaloneSessionClusterEntrypoint to stop无法正常关闭

14、添加HADOOP_CONF_DIR环境变量

    #vim /etc/profile
    export hadoop_conf_dir=/usr/apps/hadoop/etc/hadoop
     

15、分发到node2,node3节点

     scp -r /usr/apps/flink/ node2:/usr/apps/flink
     scp -r /usr/apps/flink node3:/usr/apps/flink
     scp  /etc/profile node2:/etc/profile
     scp  /etc/profile node3:/etc/profile

16、在各个节点加载一下资源

    source /etc/profile

17、修改node2上的flink-conf.yaml

   vim /usr/apps/flink/conf/flink-conf.yaml

    jobmanager.rpc.address: node2

16、启动集群测试，在node1上执行如下命令

#1.启动hadoop
     /usr/apps/hadoop/sbin/start-dfs.sh
     #2.启动Zookeeper
     /usr/apps/zookeeper/bin/zkServer.sh start
      #查看zookeeper是否启动：/usr/apps/zookeeper/bin/zkServer.sh status
     #3.启动Flink
     /usr/apps/flink/bin/start-cluster.sh
     #查看flink是否启动 jps

17、如果jps没启动，log日志里报错

    Could not find a file system implementation for scheme 'hdfs'. The scheme is not directly supported by Flink and no Hadoop file system to support this scheme could be loaded. For a full list of supported file systems, please see //nightlies.apache.org/flink/flink-docs-release-1.14/docs/deployment/filesystems/overview/.

    因为在Flink1.8版本后,Flink官方提供的安装包里没有整合HDFS的jar

18、下载jar包并在Flink的lib目录下放入该jar包并分发使Flink能够支持对Hadoop的操作

    下载地址：Apache Flink: Downloads

    放入lib目录:cd /usr/apps/flink/lib

    分发

     scp -r /usr/apps/flink/lib/flink-shaded-hadoop-2-uber-2.7.5-10.0.jar node2:/usr/apps/flink/lib
     scp -r /usr/apps/flink/lib/flink-shaded-hadoop-2-uber-2.7.5-10.0.jar node3:/usr/apps/flink/lib
     

19、关闭yarn的内存检查

vim /usr/apps/hadoop/etc/hadoop/yarn-site.xml
     <!-- 关闭yarn内存检查 -->
         <property>
             <name>yarn.nodemanager.pmem-check-enabled</name>
             <value>false</value>
         </property>
         <property>
             <name>yarn.nodemanager.vmem-check-enabled</name>
             <value>false</value>
         </property>

    分发

    scp -r /usr/apps/hadoop/etc/hadoop/yarn-site.xml node2:/usr/apps/hadoop/etc/hadoop/yarn-site.xml
    scp -r /usr/apps/hadoop/etc/hadoop/yarn-site.xml node3:/usr/apps/hadoop/etc/hadoop/yarn-site.xml

    重启yarn

    /usr/apps/hadoop/sbin/stop-all.sh
     
    /usr/apps/hadoop/sbin/start-all.sh

20、yarn中的会话模式

    在yarn上启动一个Flink集群/会话，node1上执行以下命令

/usr/apps/flink/bin/yarn-session.sh -n 2 -tm 800 -s 1 -d

说明：

    申请2个CPU、1600M内存
     
    # -n 表示申请2个容器，这里指的就是多少个taskmanager
     
    # -tm 表示每个TaskManager的内存大小
     
    # -s 表示每个TaskManager的slots数量
     
    # -d 表示以后台程序方式运行

    注意:该警告不用管

    WARN org.apache.hadoop.hdfs.DFSClient - Caught exception
    java.lang.InterruptedException

    访问UI

    使用flink run提交任务：

  /usr/apps/flink/bin/flink run  /usr/apps/flink/examples/batch/WordCount.jar

    完成

    关闭yarn-session：

yarn application -kill application_1650268924251_0001

21、yarn中的Job分离模式--企业用的更多

针对每个Flink任务在Yarn上启动一个独立的Flink集群并运行,结束后自动关闭并释放资源,----适用于大任务

    直接提交job

    /usr/apps/flink/bin/flink run -m yarn-cluster -yjm 1024 -ytm 1024
    /usr/apps/flink/examples/batch/WordCount.jar

参数解释：

    # -m  jobmanager的地址
    # -yjm 1024 指定jobmanager的内存信息
    # -ytm 1024 指定taskmanager的内存信息

    查看UI界面

http://node1:8088/cluster