Flink on Yarn三部曲之三：提交Flink任务

欢迎访问我的GitHub

这里分类和汇总了欣宸的全部原创(含配套源码)：https://github.com/zq2599/blog_demos

• 本文是《Flink on Yarn三部曲》系列的终篇，先简单回顾前面的内容：

1. 《Flink on Yarn三部曲之一：准备工作》：准备好机器、脚本、安装包；
2. 《Flink on Yarn三部曲之二：部署和设置》：完成CDH和Flink部署，并在管理页面做好相关的设置；

现在Flink、Yarn、HDFS都就绪了，接下来实践提交Flink任务到Yarn执行；

前文链接

1. 《Flink on Yarn三部曲之一：准备工作》
2. 《Flink on Yarn三部曲之二：部署和设置》

两种Flink on YARN模式

• 实践之前，对Flink on YARN先简单了解一下，如下图所示，Flink on Yarn在使用的时候分为两种模式， Job Mode 和 Session Mode ：
• Session Mode ：在YARN中提前初始化一个Flink集群，以后所有Flink任务都提交到这个集群，如下图：
• Job Mode ：每次提交Flink任务都会创建一个专用的Flink集群，任务完成后资源释放，如下图：
• 接下来分别实战这两种模式；

准备实战用的数据(CDH服务器)

• 接下来提交的Flink任务是经典的WordCount，先在HDFS中准备一份文本文件，后面提交的Flink任务都会读取这个文件，统计里面每个单词的数字，准备文本的步骤如下：

• SSH登录CDH服务器；

• 切换到hdfs账号： su - hdfs

• 下载实战用的txt文件：

wget https://github.com/zq2599/blog_demos/blob/master/files/GoneWiththeWind.txt

• 创建hdfs文件夹： hdfs dfs -mkdir /input

• 将文本文件上传到/input目录： hdfs dfs -put ./GoneWiththeWind.txt /input

• 准备工作完成，可以提交任务试试了。

Session Mode实战

• SSH登录CDH服务器；
• 切换到hdfs账号： su - hdfs
• 进入目录： /opt/flink-1.7.2/
• 执行如下命令创建Flink集群， -n 参数表示TaskManager的数量， -jm 表示JobManager的内存大小， -tm 表示每个TaskManager的内存大小：

./bin/yarn-session.sh -n 2 -jm 1024 -tm 1024

• 创建成功后，控制台输出如下图，注意红框中的提示，表明可以通过38301端口访问Flink：
• 浏览器访问CDH服务器的38301端口，可见Flink服务已经启动：
• 浏览器访问CDH服务器的8088端口，可见YARN的Application(即Flink集群)创建成功，如下图，红框中是任务ID，稍后结束Application的时候会用到此ID：
• 再开启一个终端，SSH登录CDH服务器，切换到hdfs账号，进入目录： /opt/flink-1.7.2
• 执行以下命令，就会提交一个Flink任务（安装包自带的WordCount例子），并指明将结果输出到HDFS的 wordcount-result.txt 文件中：

bin/flink run ./examples/batch/WordCount.jar \
-input hdfs://192.168.50.134:8020/input/GoneWiththeWind.txt \
-output hdfs://192.168.50.134:8020/wordcount-result.txt

• 执行完毕后，控制台输出如下：
• flink的WordCount任务结果保存在hdfs，我们将结果取出来看看： hdfs dfs -get /wordcount-result.txt
• vi打开wordcount-result.txt文件，如下图，可见任务执行成功，指定文本中的每个单词数量都统计出来了：
• 浏览器访问Flink页面(CDH服务器的38301端口)，也能看到任务的详细情况：
• 销毁这个Flink集群的方法是在控制台执行命令： yarn application -kill application_1580173588985_0002
• Session Mode的实战就完成了，接下来我们来尝试Job Mode；

Job Mode

• 执行以下命令，创建一个Flink集群，该集群只用于执行参数中指定的任务(wordCount.jar)，结果输出到hdfs的wordcount-result-1.txt文件：

bin/flink run -m yarn-cluster \
-yn 2 \
-yjm 1024 \
-ytm 1024 \
./examples/batch/WordCount.jar \
-input hdfs://192.168.50.134:8020/input/GoneWiththeWind.txt \
-output hdfs://192.168.50.134:8020/wordcount-result-1.txt

• 控制台输出如下，表明任务执行完成：
• 如果您的内存和CPU核数充裕，可以立即执行以下命令再创建一个Flink集群，该集群只用于执行参数中指定的任务(wordCount.jar)，结果输出到hdfs的 wordcount-result-2.txt 文件：

bin/flink run -m yarn-cluster \
-yn 2 \
-yjm 1024 \
-ytm 1024 \
./examples/batch/WordCount.jar \
-input hdfs://192.168.50.134:8020/input/GoneWiththeWind.txt \
-output hdfs://192.168.50.134:8020/wordcount-result-2.txt

• 在YARN管理页面可见任务已经结束：
• 执行命令 hdfs dfs -ls / 查看结果文件，已经成功生成：
• 执行命令 hdfs dfs -get /wordcount-result-1.txt 下载结果文件到本地，检查数据正常；
• 至此，Flink on Yarn的部署、设置、提交都实践完成，《Flink on Yarn三部曲》系列也结束了，如果您也在学习Flink，希望本文能够给您一些参考，也建议您根据自身情况和需求，修改ansible脚本，搭建更适合自己的环境；

欢迎关注51CTO博客：程序员欣宸

学习路上，你不孤单，欣宸原创一路相伴...