Flink on YARN快速入门指南
2017-08-26 10:32
274 查看
Apache Flink是一个高效、分布式、基于Java和Scala(主要是由Java实现)实现的通用大数据分析引擎,它具有分布式
MapReduce一类平台的高效性、灵活性和扩展性以及并行数据库查询优化方案,它支持批量和基于流的数据分析,且提供了基于Java和Scala的API。
从Flink官方文档可以知道,目前Flink支持三大部署模式:Local、Cluster以及Cloud,如下图所示:
本文将简单地介绍如何部署Apache Flink On YARN(也就是如何在YARN上运行Flink作业),本文是基于Apache Flink 1.0.0以及Hadoop 2.2.0。
在YARN上启动一个Flink主要有两种方式:(1)、启动一个YARN session(Start a long-running Flink cluster on YARN);(2)、直接在YARN上提交运行Flink作业(Run a Flink job on YARN)。下面将分别进行介绍。
这种模式下会启动yarn session,并且会启动Flink的两个必要服务:JobManager和TaskManagers,然后你可以向集群提交作业。同一个Session中可以提交多个Flink作业。需要注意的是,这种模式下Hadoop的版本至少是2.2,而且必须安装了HDFS(因为启动YARN session的时候会向HDFS上提交相关的jar文件和配置文件)。我们可以通过
Session,由于我们第一次使用这个脚本,我们先看看这个脚本支持哪些参数:
各个参数的含义里面已经介绍的很详细了。在启动的是可以指定TaskManager的个数以及内存(默认是1G),也可以指定JobManager的内存,但是JobManager的个数只能是一个。好了,我们开启动一个YARN session吧:
上面命令启动了4个TaskManager,每个TaskManager内存为8G且占用了8个核(是每个TaskManager,默认是1个核)。在启动YARN session的时候会加载
启动了YARN session之后我们如何运行作业呢?很简单,我们可以使用
我们可以使用run选项运行Flink作业。这个脚本可以自动获取到YARN session的地址,所以我们可以不指定--jobmanager参数。我们以Flink自带的WordCount程序为例进行介绍,先将测试文件上传到HDFS上:
然后将这个文件作为输入并运行WordCount程序:
一切顺利的话,可以看到在终端会显示出计算的结果:
如果我们不想将结果输出在终端,而是保存在文件中,可以使用--output参数指定保存结果的地方:
然后我们可以到hdfs:///user/iteblog/result.txt文件里面查看刚刚运行的结果。
需要注意的是:1、上面的
2、指定路径的时候一定记得需要加上模式,比如上面的
上面的YARN session是在Hadoop YARN环境下启动一个Flink cluster集群,里面的资源是可以共享给其他的Flink作业。我们还可以在YARN上启动一个Flink作业。这里我们还是使用
session:
上面的命令同样会启动一个类似于YARN session启动的页面。其中的
MapReduce一类平台的高效性、灵活性和扩展性以及并行数据库查询优化方案,它支持批量和基于流的数据分析,且提供了基于Java和Scala的API。
从Flink官方文档可以知道,目前Flink支持三大部署模式:Local、Cluster以及Cloud,如下图所示:
本文将简单地介绍如何部署Apache Flink On YARN(也就是如何在YARN上运行Flink作业),本文是基于Apache Flink 1.0.0以及Hadoop 2.2.0。
在YARN上启动一个Flink主要有两种方式:(1)、启动一个YARN session(Start a long-running Flink cluster on YARN);(2)、直接在YARN上提交运行Flink作业(Run a Flink job on YARN)。下面将分别进行介绍。
Flink YARN Session
这种模式下会启动yarn session,并且会启动Flink的两个必要服务:JobManager和TaskManagers,然后你可以向集群提交作业。同一个Session中可以提交多个Flink作业。需要注意的是,这种模式下Hadoop的版本至少是2.2,而且必须安装了HDFS(因为启动YARN session的时候会向HDFS上提交相关的jar文件和配置文件)。我们可以通过./bin/yarn-session.sh脚本启动YARN
Session,由于我们第一次使用这个脚本,我们先看看这个脚本支持哪些参数:
conf/flink-config.yaml配置文件,我们可以根据自己的需求去修改里面的相关参数(关于里面的参数含义请参见Flink官方文档介绍吧)。一切顺利的话,我们可以在
https://www.iteblog.com:9981/proxy/application_1453101066555_2766724/#/overview上看到类似于下面的页面:
启动了YARN session之后我们如何运行作业呢?很简单,我们可以使用
./bin/flink脚本提交作业,同样我们来看看这个脚本支持哪些参数:
需要注意的是:1、上面的
--input和
--output参数并不是Flink内部的参数,而是WordCount程序中定义的;
2、指定路径的时候一定记得需要加上模式,比如上面的
hdfs://,否者程序会在本地寻找文件。
Run a single Flink job on YARN
上面的YARN session是在Hadoop YARN环境下启动一个Flink cluster集群,里面的资源是可以共享给其他的Flink作业。我们还可以在YARN上启动一个Flink作业。这里我们还是使用./bin/flink,但是不需要事先启动YARN
session:
-yn是指TaskManager的个数,必须指定。
相关文章推荐
- Flink on Yarn快速入门
- Spark1.0.x入门指南(spark on yarn, standalone)
- 数据库同步——SymmetricDS快速入门指南(续)
- hadoop on yarn 入门系列1-伪分布式环境搭建并运行wordcount
- DragonBones快速入门指南2
- Windows Embedded Standard 7 快速入门指南 1 of 4
- Gradle 教程说明 用户指南 第9章 Groovy----快速入门
- AngularJS快速入门指南02:介绍
- AngularJS快速入门指南07:Http对象
- RMAN快速入门指南
- Oracle RMAN快速入门指南
- NetBeans IDE 4.1 快速入门指南JAVAV工程师权威认证
- XSLT Designer快速入门指南
- Spark快速入门指南
- Weex快速入门指南
- XSLT Designer快速入门指南
- ABP框架快速入门指南--3.多页Web应用
- AngularJS快速入门指南20:快速参考
- Git常用命令集教程指南-快速入门