Flink1.4部署实践
Apache Flink 是一个开源的分布式流处理和批处理系统。Flink 的核心是在数据流上提供数据分发、通信、具备容错的分布式计算。同时，Flink 在流处理引擎上构建了批处理引擎，原生支持了迭代计算、内存管理和程序优化。
概念
关于Flink的详细说明，可以看 简单之美 的 Apache Flink：特性、概念、组件栈、架构及原理分析。
安装
这里分为 Standalone Cluster 和 JobManager High Availability 两种安装方式。
准备工作
要求：
- Linux、Mac OS X 和 Cygwin (for Windows)
- Java 1.8.x 或更高
- 能ssh登录到服务器，集群之间必须ssh免密钥互通
这里以 Linux 安装为例。
首先，需要在主节点和所有工作节点上设置 JAVA_HOME 环境变量，并指向 Java 安装的目录。
如果没有配置，也可以解压完 Flink 后，在 conf/flink-conf.yaml 配置文件中设置变量。
env.java.home = /usr/local/java
然后，配置集群的 HOST。
192.168.1.1 emr-header-1 192.168.1.2 emr-worker-1 192.168.1.4 emr-worker-2 192.168.1.5 emr-worker-3
最后，在Flink 下载页面选择与 Hadoop 版本对应的 Flink版本，如果没有 Hadoop，可以随意选择一个版本。
wget http://mirrors.shu.edu.cn/apache/flink/flink-1.4.0/flink-1.4.0-bin-hadoop27-scala_2.11.tgz tar xzf flink-1.4.0-bin-hadoop27-scala_2.11.tgz ln -s /opt/apps/flink-1.4.0/ /opt/apps/flink cd flink
Standalone Cluster（独立的集群部署）
Standalone Cluster 的部署方式比较简单，只需要对 conf/flink-conf.yaml 和 conf/slaves 关键参数进行配置即可。
conf/flink-conf.yaml 的主要配置如下：
# 设置flink的主节点 jobmanager.rpc.address: emr-header-1 # 设置每个JobManager的可用内存量，单位：M jobmanager.heap.mb: 1024 # 设置每个TaskManager的可用内存量，单位：M taskmanager.heap.mb: 1024
配置详细说明：Flink Configuration。
在 conf/slaves 设置所有工作节点。
emr-worker-1 emr-worker-2 emr-worker-3
将 Flink 安装文件 scp 到集群的其它机器上。
scp -r ./flink hadoop@emr-worker-1:/opt/apps/ scp -r ./flink hadoop@emr-worker-2:/opt/apps/ scp -r ./flink hadoop@emr-worker-3:/opt/apps/
在 emr-header-1 上集群启动。
bin/start-cluster.sh
以上就完成了 Flink 的独立部署了。
也可以，单独启动 JobManager 和 TaskManager。
bin/jobmanager.sh ((start|start-foreground) cluster)|stop|stop-all bin/taskmanager.sh start|start-foreground|stop|stop-all
JobManager High Availability（JobManager的高可用部署）
JobManager 协调每个 Flink 部署。它负责调度和资源管理。
默认情况下，每个 Flink 集群只有一个 JobManager 实例。这会出现单点故障（SPOF）：如果 JobManager 崩溃，则不能提交新程序，并且运行程序失败。
使用 JobManager 高可用性，可以从 JobManager 故障中恢复，从而消除SPOF。可以为独立群集和YARN 群集配置高可用性。
- 前提：完成前面Standalone Cluster的安装部署。
首先，需要设置主备JobManager 。在 conf/masters 中配置。
emr-header-1:8081 emr-worker-1:8081
高可用模式下，需要用 Zookeeper 记录 JobManager 的状态。在 conf/flink-conf.yaml 中配置高可用模式。
# 启用高可用模式（必须） high-availability: zookeeper # 设置zookeeper的服务器和端口（必须） high-availability.zookeeper.quorum: zk01:2181,zk02:2181,zk03:2181 # 设置JobManager元数据保存在文件系统的路径 （必须） # Zookeeper中只保存JobManager的状态 # storageDir存储用于恢复JobManager失败所需的所有元数据 high-availability.zookeeper.storageDir: hdfs:///flink/recovery # 设置flink在zookeeper的根节点（推荐） high-availability.zookeeper.path.root: /flink # 设置zookeeper的集群id编号（推荐） # 如果Flink运行在Yarn集群上，不需要配置该参数，会被覆盖 # 如果是独立部署的，且运行多个Flink HA集群，必须配置该参数作为群集标识 high-availability.cluster-id: /cluster_one
这里的zk01、zk02、zk03为已经部署完成的 Zookeeper 集群。
如果没有 Zookeeper 集群服务，可以使用 Flink自带的 Zookeeper，需要修改配置文件 conf/zoo.cfg。参数配置与独立安装 Zookeeper 一样。需要注意的是，这种方式下，Zookeeper的服务启动脚本是在 Flink 的bin目录下。
# 使用Flink的Zookeeper bin/start-zookeeper-quorum.sh
启动 Flink 集群。
bin/start-cluster.sh
查看 Flink Web Dashboard UI来确认，在浏览器打开链接：http://emr-header-1:8081/，如下图:
通过 UI 可以查看集群的资源。
通过Hadoop命令，可以查看到在Hadoop上创建的元数据存储路径。
$ hadoop fs -ls /flink/ha SLF4J: Class path contains multiple SLF4J bindings. SLF4J: Found binding in [jar:file:/opt/apps/ecm/service/hadoop/2.7.2-1.2.11/package/hadoop-2.7.2-1.2.11/share/hadoop/common/lib/slf4j-log4j12-1.7.10.jar!/org/slf4j/impl/StaticLoggerBinder.class] SLF4J: Found binding in [jar:file:/opt/apps/ecm/service/tez/0.8.4/package/tez-0.8.4/lib/slf4j-log4j12-1.7.10.jar!/org/slf4j/impl/StaticLoggerBinder.class] SLF4J: See http://www.slf4j.org/codes.html#multiple_bindings for an explanation. SLF4J: Actual binding is of type [org.slf4j.impl.Log4jLoggerFactory] Found 1 items drwxr-xr-x - hadoop hadoop 0 2018-02-06 16:30 /flink/ha/cluster_one
简单实践
简单实践，从查看 Flink 源码中提供的例子开始。
一种，直接从GitHub上下载源码。然后导入 IDEA，用 maven 编译。
mvn archetype:generate \
-DarchetypeGroupId=org.apache.flink \
-DarchetypeArtifactId=flink-quickstart-java \
-DarchetypeVersion=1.0.0
另一种，使用以下命令
curl https://flink.apache.org/q/quickstart.sh | bash
下载完官方代码后，先清空以前build的东西， 再重新build Flink包。
mvn clean install -DskipTests
上面两个命令，都需要手动输入自己项目的artifactId、groupId等相关信息。
当然，也可以创建一个新的 Flink Maven项目。
<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
<modelVersion>4.0.0</modelVersion>
<groupId>com.tomato.flink</groupId>
<artifactId>flink-demo</artifactId>
<version>1.0-SNAPSHOT</version>
<packaging>jar</packaging>
<name>flink-demo</name>
<url>http://maven.apache.org</url>
<properties>
<maven.compiler.source>1.8</maven.compiler.source>
<maven.compiler.target>1.8</maven.compiler.target>
<project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
<flink.version>1.4.0</flink.version>
</properties>
<dependencies>
<dependency>
<groupId>org.apache.flink</groupId>
<artifactId>flink-core</artifactId>
<version>${flink.version}</version>
</dependency>
<dependency>
<groupId>org.apache.flink</groupId>
<artifactId>flink-streaming-java_2.11</artifactId>
<version>${flink.version}</version>
</dependency>
<dependency>
<groupId>org.apache.flink</groupId>
<artifactId>flink-clients_2.11</artifactId>
<version>${flink.version}</version>
</dependency>
</dependencies>
</project>
把 Flink 的官方统计单词的例子拷贝过来，改成从Hdfs读文件，将结果再写入Hdfs。
public class HdfsWordCount {
public static void main(String[] args) throws Exception {
if (args.length != 2) {
System.err.println("USAGE:\ncom.tomato.flink.HdfsWordCount <inputFile> <outputFile>");
return;
}
String inputFile = args[0];
String outputFile = args[1];
// set up the execution environment
final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
// get input data
DataStream<String> text = env.readTextFile(inputFile);
DataStream<Tuple2<String, Integer>> counts =
// split up the lines in pairs (2-tuples) containing: (word,1)
text.flatMap(new LineSplitter())
// group by the tuple field "0" and sum up tuple field "1"
.keyBy(0)
.sum(1);
//counts.print();
counts.map(new LineString()).writeAsText(outputFile);
// execute program
env.execute("WordCount from ReadTextFile Example");
}
public static final class LineSplitter implements FlatMapFunction<String, Tuple2<String, Integer>> {
@Override
public void flatMap(String value, Collector<Tuple2<String, Integer>> out) {
// normalize and split the line
String[] tokens = value.toLowerCase().split("\\W+");
// emit the pairs
for (String token : tokens) {
if (token.length() > 0) {
out.collect(new Tuple2<String, Integer>(token, 1));
}
}
}
}
public static final class LineString implements MapFunction<Tuple2<String, Integer>, String> {
@Override
public String map(Tuple2<String, Integer> value) throws Exception {
return value.getField(0) + "\t" + value.getField(1);
}
}
}
编译打包，将程序部署到集群上。
./bin/flink run --class com.tomato.flink.HdfsWordCount /home/flink/flink-demo-1.0-SNAPSHOT.jar hdfs:///tmp/test/flink-demo-wordcount.txt hdfs:///tmp/test/flink-demo-wordcount-result.txt
执行过程如下：
查看 flink-demo-wordcount-result.txt，可以看到计算的结果。
参考
Very nice post. I simply stumbled upon your weblog and wished to mention that I’ve truly enjoyed surfing around your blog posts.