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。

Fflink 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：

[flink]$ . /bin/yarn-session .sh

Usage:

Required

-n,--container <arg>   Number of YARN container to allocate (=Number of Task Managers)

Optional

-D <arg>                        Dynamic properties

-d,--detached                   Start detached

-jm,--jobManagerMemory <arg>    Memory for JobManager Container [ in MB]

-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

-st,--streaming                 Start Flink in streaming mode

-tm,--taskManagerMemory <arg>   Memory per TaskManager Container [ in MB]

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：

. /bin/yarn-session .sh -n 4 -tm 8192 -s 8

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：

[iteblog @ www.iteblog.com flink- 1.0 . 0 ]$ bin/flink

./flink <ACTION> [OPTIONS] [ARGUMENTS]

The following actions are available :

Action "run" compiles and runs a program.

Syntax : run [OPTIONS] <jar-file> <arguments>

"run" action options :

-c,-- class <classname>               Class with the program entry point

( "main" method or "getPlan()" method.

Only needed if the JAR file does not

specify the class in its manifest.

-C,--classpath <url>                 Adds a URL to each user code

classloader  on all nodes in the

cluster. The paths must specify a

protocol (e.g. file : //) and be

accessible on all nodes (e.g. by means

of a NFS share). You can use this

option multiple times for specifying

more than one URL. The protocol must

be supported by the { @ link

java.net.URLClassLoader}.

-d,--detached                        If present, runs the job in detached

mode

-m,--jobmanager <host : port>          Address of the JobManager (master) to

which to connect. Specify

'yarn-cluster' as the JobManager to

deploy a YARN cluster for the job. Use

this flag to connect to a different

JobManager than the one specified in

the configuration.

-p,--parallelism <parallelism>       The parallelism with which to run the

program. Optional flag to override the

default value specified in the

configuration.

-q,--sysoutLogging                   If present, supress logging output to

standard out.

-s,--fromSavepoint <savepointPath>   Path to a savepoint to reset the job

back to ( for example

file : ///flink/savepoint-1537).

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：

hadoop fs -copyFromLocal LICENSE hdfs : ///user/iteblog/

然后将这个文件作为输入并运行WordCount程序：

./bin/flink run ./examples/batch/WordCount.jar --input hdfs : ///user/iteblog/LICENSE

一切顺利的话，可以看到在终端会显示出计算的结果：

( 0 , 9 )

( 1 , 6 )

( 10 , 3 )

( 12 , 1 )

( 15 , 1 )

( 17 , 1 )

( 2 , 9 )

( 2004 , 1 )

( 2010 , 2 )

( 2011 , 2 )

( 2012 , 5 )

( 2013 , 4 )

( 2014 , 6 )

( 2015 , 7 )

( 2016 , 2 )

( 3 , 6 )

( 4 , 4 )

( 5 , 3 )

( 50 , 1 )

( 6 , 3 )

( 7 , 3 )

( 8 , 2 )

( 9 , 2 )

(a, 25 )

(above, 4 )

(acceptance, 1 )

(accepting, 3 )

(act, 1 )

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：

./bin/flink run ./examples/batch/WordCount.jar     \

--input hdfs : ///user/iteblog/LICENSE     \

--output hdfs : ///user/iteblog/result.txt

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--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。

Rrun 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：

./bin/flink run -m yarn-cluster -yn 2 ./examples/batch/WordCount.jar      \

--input hdfs : ///user/iteblog/LICENSE                            \

--output hdfs : ///user/iteblog/result.txt

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-yn是指TaskManager的个数，必须指定。

本文分享自微信公众号 - 大数据技术与架构（import_bigdata）。
如有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。