大数据学习之Flink，Flink的安装部署

news2024/10/5 18:26:30

Flink部署

一、了解它的关键组件

客户端（Client）
作业管理器（JobManager）
任务管理器（TaskManager）

我们的代码，实际上是由客户端获取并做转换，之后提交给 JobManger 的。所以 JobManager 就是 Flink 集群里的“领导者”，对作业进行中央调度管理； 而它获取到要执行的作业后，会进一步处理转换，然后分发任务给众多的 TaskManager。这里的 TaskManager，就是真正“干活的人”，数据的处理操作都是它们来做的，如图所示。

二、配置环境

部署在Linux上，使用 CentOS 7
安装hadoop集群
三台节点之间配置免密，关闭防火墙

1. 本地启动

1.1 下载Flink的安装包和所对应的 scala版本存放在/opt/software

1.2 解压在bigdata1下的/opt/module目录下

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

1.3 启动

进入/opt/module/flink目录下

bin/start-cluster.sh

使用jps命令查看它的进程

jps

1.4 访问web页面

在浏览器中输入 bigdata1:8081 进入web页面

1.5 关闭集群

bin/stop-cluster.sh

2.集群启动

集群启动就有了主从节点的区别，Flink也是典型的 Master-Slave 架构的分布式数据处理框架

Master 对应着 JobManager
Slave 对用着 TaskManager

三台节点服务器角色分配为

节点服务器	bigdata1	bigdata2	bigdata3
角色	JobManager	TaskManager	TaskManager

具体步骤如下：

2.1下载并安装

与上述操作一样，不展示了

2.2修改集群配置

进入conf 目录下，修改flink-conf.yaml 文件中的 jobmanager.rpc.address的参数为bigdata1

指定JobManager节点
```
# JobManager 节点地址.
jobmanager.rpc.address: bigdata1
```
修改workers文件

指定TaskManager节点
```
bigdata2
bigdata3
```
优化 JobManager 和 TaskManager 配置
- 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 slots 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 slots 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配置，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进行的并行度数量配置

2.3 分发安装目录

将目录分发给其他两个节点

2.4启动集群

 bin/start-cluster.sh

用jps命令查看

2.5访问web页面

3.部署模式

会话模式（Session Mode）
单作业模式（Per-Job Mode）
应用模式（Application Mode）

3.1 概念

3.1.1会话模式

会话模式其实最符合常规思维。我们需要先启动一个集群，保持一个会话，在这个会话中通过客户端提交作业，如图所示。集群启动时所有资源就都已经确定，所以所有提交的作业会竞争集群中的资源。

会话模式比较适合于单个规模小、执行时间短的大量作业

3.1.2 单作业模式

会话模式因为资源共享会导致很多问题，所以为了更好地隔离资源，我们可以考虑为每个提交的作业启动一个集群，这就是所谓的单作业（Per-Job）模式，如图所示。

需要注意的是，Flink 本身无法直接这样运行，所以单作业模式一般需要借助一些资源管理平台来启动集群，比如 YARN、Kubernetes。

3.1.3 应用模式

前面提到的两种模式下，应用代码都是在客户端上执行，然后由客户端提交给 JobManager 的。但是这种方式客户端需要占用大量网络带宽，去下载依赖和把二进制数据发送给 JobManager；加上很多情况下我们提交作业用的是同一个客户端，就会加重客户端所在节点的资源消耗。

所以解决办法就是，我们不要客户端了，直接把应用提交到 JobManger 上运行。而这也就代表着，我们需要为每一个提交的应用单独启动一个 JobManager，也就是创建一个集群。这个 JobManager 只为执行这一个应用而存在，执行结束之后 JobManager 也就关闭了，这就是所谓的应用模式，如图所示。