OpenEuler部署Flink 1.19.2完全分布式集群

OpenEuler部署Flink 1.19.2完全分布式集群

前期准备

环境准备：

• 三台OpenEuler-24.03-LTS-SP1系统的主机
  
• JDK 11
  
• Hadoop集群
  

Flink版本：
flink-1.19.2-bin-scala_2.12
集群规划：
节点服务器node1node2node3IP地址10.90.100.10110.90.100.10210.90.100.103Flink服务历程JobManager、TaskManagerTaskManagerTaskManager 一、 Flink集群安装部署

1.1 Flink 安装

• 下载Flink安装包并上传该Flink软件包到node1主机。
  上传方式有很多，任选一种方式即可，在此不再赘述。
  
• 上传成功后，通过 ls 命令查看是否上传成功。
  

1. [hadoop@node1 ~]$ ls
2. flink-1.19.2-bin-scala_2.12.tgz
3. [hadoop@node1 ~]$

复制代码

• 解压flink-1.19.2-bin-scala_2.12.tgz到/opt/software/目录下。
  

1. [hadoop@node1 ~]$ tar -zxvf flink-1.19.2-bin-scala_2.12.tgz -C /opt/software/  
2. [hadoop@node1 ~]$ ls /opt/software/
3. flink-1.19.2               
4. [hadoop@node1 ~]$

复制代码

1.2 配置Flink

• 进入flink的conf目录，修改flink-conf.yaml文件，指定node1节点服务器为JobManager 。
  

1. [hadoop@node1 ~]$ cd /opt/software/flink-1.19.2
2. [hadoop@node1 flink-1.19.2]$ ls
3. bin  conf  examples  lib  LICENSE  licenses  log  NOTICE  opt  plugins  README.txt
4. [hadoop@node1 flink-1.19.2]$ cd conf/
5. [hadoop@node1 conf]$ ls
6. config.yaml           log4j-console.properties  log4j-session.properties  logback-session.xml  masters  zoo.cfg
7. log4j-cli.properties  log4j.properties          logback-console.xml       logback.xml          workers
8. [hadoop@node1 conf]$ vim config.yaml

复制代码

config.yaml修改如下内容：
   提示：本环境的jdk版本是jdk11，要把该文件21-24行兼容jdk17的配置删掉或解释掉

1. # JobManager节点地址
2. jobmanager:
3.   bind-host: 0.0.0.0
4.   rpc:
5.     address: node1
6.     port: 6123
7. # TaskManager节点地址.需要配置为当前机器名
8. taskmanager:
9.   bind-host: 0.0.0.0
10.   host: node1
11.   
12. #Rest
13. rest:
14.   address: node1
15.   bind-address: 0.0.0.0

复制代码

• 修改workers文件，指定node1、node2和node3为TaskManager。
  

1. [hadoop@node1 conf]$ vim workers
2. #修改后的内容如下
3. [hadoop@node1 conf]$ cat workers
4. node1
5. node2
6. node3

复制代码

• 修改masters文件。
  

1. [hadoop@node1 conf]$ vim masters
2. #修改后的内容如下
3. [hadoop@node1 conf]$ cat masters  
4. node1:8081   

复制代码

1.3 分发Flink配置

• 将Flink安装目录发给集群的节点node2和node3。
  

1. [hadoop@node1 conf]$ cd /opt/software/   
2. [hadoop@node1 software]$ ls            
3. flink-1.19.2
4. #分发到node2
5. [hadoop@node1 software]$ rsync -avz /opt/software/flink-1.19.2 node2:/opt/software/
7. #分发到node3
8. [hadoop@node1 software]$ rsync -avz /opt/software/flink-1.19.2 node3:/opt/software/
10. #此时可以看到node2和node3主机的/opt/software/目录下载存在flink-1.19.2

复制代码

• 登录到node2，修改node2的taskmanager.host配置,
  

1. [hadoop@node2 ~]$ cd /opt/software/
2. [hadoop@node2 software]$ ls
3. flink-1.19.2
4. [hadoop@node2 software]$ cd flink-1.19.2/conf/
5. [hadoop@node2 conf]$ vim config.yaml

复制代码

修改内容如下：

1. # TaskManager节点地址.需要配置为当前机器名
2. taskmanager:
3.   host: node2

复制代码

• 登录到node3，修改node3的taskmanager.host配置。
  

1. [hadoop@node3 ~]$ cd /opt/software/
2. [hadoop@node3 software]$ ls
3. flink-1.19.2
4. [hadoop@node3 software]$ cd flink-1.19.2/conf/
5. [hadoop@node3 conf]$ vim config.yaml

复制代码

修改内容如下：

1. # TaskManager节点地址.需要配置为当前机器名
2. taskmanager:
3.   host: node3

复制代码

1.4 配置环境变量

配置flink的环境变量

1. [hadoop@node1 ~]$ sudo vim /etc/profile

复制代码

在profile末尾添加如下内容

1. #FLINK_HOME
2. export FLINK_HOME=/opt/software/flink-1.19.2
3. export PATH=$PATH:$FLINK_HOME/bin

复制代码

让环境变量生效

1. [hadoop@node1 ~]$ source /etc/profile
2.   

复制代码

验证版本号

1. [hadoop@node1 software]$ flink -v                  
2. Version: 1.19.2, Commit ID: 7d9f0e0                 
3. [hadoop@node1 software]$   

复制代码

看到版本信息说明配置环境设置完成。
在node2、node3主机执行类似的操纵，完成Flink环境变量的配置。
二、Flink集群Standalone运行模式

   环境准备
  ① 为了提供无界流的测试，在任意节点（这里以node2为例）安装网络工具Netcat，并开启当地监听端口（这里以9999端口为例）。

1. [hadoop@node2 ~]$ sudo yum install nc
2. [hadoop@node2 ~]$ nc -lk 9999

复制代码

② 为了提交Flink步伐任务到集群中执行验证。本例中提供无界流词频统计的步伐FlinkWC-1.0-SNAPSHOT.jar进行测试。其中，步伐入口为com.flink.wc.demo.WordCountUnbounded
  下载FlinkWC-1.0-SNAPSHOT.jar
  2.1 会话模式部署

2.1.1 启动集群

在node1主机上执行start-cluster.sh启动Flink集群

1. [hadoop@node1 ~]$ start-cluster.sh   

复制代码

查看历程情况：
node1:

1. [hadoop@node1 ~]$ jps
2. 3376 StandaloneSessionClusterEntrypoint
3. 4177 Jps
4. 4091 TaskManagerRunner

复制代码

node2:

1. [hadoop@node2 ~]$ jps
2. 5898 Jps
3. 5740 TaskManagerRunner

复制代码

node3:

1. [hadoop@node3 ~]$ jps
2. 5896 TaskManagerRunner
3. 6059 Jps

复制代码

2.1.2 访问Web UI

启动成功后，同样可以访问http://10.90.100.101:8081对flink集群和任务进行监控管理
   提示：在该例中，10.90.100.101是该集群node1节点的IP地址，请根据现实IP访问。
  

从图中可以看到，当前集群的TaskManager数量为3；由于默认每个TaskManager的Slot数量为1，所以总Slot数和可用Slot数都为3。
2.1.3 提交作业验证

环境准备
① 为了提供无界流的测试，在任意节点（这里以node2为例）安装网络工具Netcat，并开启当地监听端口（这里以9999端口为例）。

1. [hadoop@node2 ~]$ sudo yum install nc
2. [hadoop@node2 ~]$ nc -lk 9999

复制代码

② 为了提交Flink步伐任务到集群中执行验证。本例中提供无界流词频统计的步伐FlinkWC-1.0-SNAPSHOT.jar进行测试。其中，步伐入口为com.flink.wc.demo.WordCountUnbounded
下载FlinkWC-1.0-SNAPSHOT.jar
2.1.3.1 方式1： Web UI上提交作业

• 任务打包完成后，打开Flink的WEB UI页面，在右侧导航栏点击Submit New Job，然后点击按钮Add New，选择要上传运行的FlinkWC-1.0-SNAPSHOT.jar包，如下图所示。
  

jar包上传完成，如下图所示：

• 鼠标点击该jar包，出现任务配置页面，进行相应配置。
  

主要配置步伐入口主类的全类名，任务运行的并行度，任务运行所需的配置参数和保存点路径等，配置完成后，即可点击按钮Submit，将任务提交到集群运行。

在本文提供的无界流词频统计的步伐配置如下：

• 步伐类的路径即步伐入口（Entry Class ）: com.flink.wc.demo.WordCountUnbounded
  
• 并行度(Parallelism): 1
  
• 步伐传参（Program Arguments）： 10.90.100.102 9999
  

   其中，10.90.100.102为netcat运行地点的主机地址，9999是netcat当地监听端口。根据现实情况填写对应的IP地址和监听端口，（注意：填写传参时，IP地址和端口中间要有空格）
  

• 任务提交成功之后，可点击左侧导航栏的Running Jobs查看步伐运行列表情况
  

• 测试
  

① 在netcat的socket中输入内容，如hello world

1. [hadoop@node2 ~]$ nc -lk 9999
2. hello world

复制代码

② 点击Web UI界面左侧的导航栏Task Manager，然后点击右侧服务器节点node1（注：任务可能运行任意工作节点，逐个观察）

③ 点击Stdout，就可以看到netcat输出单词的统计

④ 如果要竣事任务。点击该任务，可以查看任务运行的具体情况，也可以通过点击Cancel Job竣事任务运行。

2.1.3.2 方式2： 命令行提交作业

除了通过WEB UI界面提交任务之外，也可以直接通过命令行来提交任务。

• 将词频统计步伐FlinkWC-1.0-SNAPSHOT.jar包上传到node1
  

1. [hadoop@node1 ~]$ ls
2. FlinkWC-1.0-SNAPSHOT.jar

复制代码

• 在node1的命令行使用flink run命令提交作业。
  

要执行的命令内容：

1. flink run -m node1:8081 -c com.flink.wc.demo.WordCountUnbounded ./FlinkWC-1.0-SNAPSHOT.jar 10.90.100.102 9999

复制代码

（-m指定了提交到的JobManager，-c指定了步伐入口。其中，10.90.100.102 9999是netcat的地址和监听端口，要根据现实情况填入）
执行操纵：

1. [hadoop@node1 ~]$ flink run -m node1:8081 -c com.flink.wc.demo.WordCountUnbounded ./FlinkWC-1.0-SNAPSHOT.jar 10.90.100.102 9999
2. Job has been submitted with JobID f3cde1cf550e4ead76413b7afff1d40c

复制代码

• 在node2中netcat输入内容
  

1. [hadoop@node2 ~]$ nc -lk 9999  
2. hello flink

复制代码

• 验证结果。
  

可以在欣赏器中打开Web UI查看应用执行情况

在命令行上查看，在/opt/software/flink-1.19.2/log路径中，可以查看TaskManager节点

1. [hadoop@node1 log]$ cd /opt/software/flink-1.19.2/log
2. [hadoop@node1 log]$ cat flink-hadoop-taskexecutor-0-node1.out
3. (hello,1)
4. (flink,1)

复制代码

2.1.4 关闭集群

在node1主机上执行stop-cluster.sh关闭Flink集群

1. [hadoop@node1 ~]$ stop-cluster.sh

复制代码

至此，Standalone资源模式运行的会话模式部署方式已经完成。
2.2 应用模式部署

应用模式下不会提前创建集群，所以不能调用start-cluster.sh脚本。而是使用在bin目录下的standalone-job.sh来创建一个JobManager。

• 将应用步伐的jar包放到Flink的安装路径的/opt/software/flink-1.19.2/lib/目录下。
  

1. [hadoop@node1 ~]$ ls
2. FlinkWC-1.0-SNAPSHOT.jar
3. [hadoop@node1 ~]$ cp FlinkWC-1.0-SNAPSHOT.jar /opt/software/flink-1.19.2/lib/
4. hadoop@node1 ~]$ ls /opt/software/flink-1.19.2/lib/
5. FlinkWC-1.0-SNAPSHOT.jar

复制代码

• 启动JobManager
  

需要执行的命令：

1. standalone-job.sh start --job-classname com.flink.wc.demo.WordCountUnbounded 10.90.100.102 9999

复制代码

这里直接指定作业入口类，脚本会到lib目录扫描所有的jar包，其中，10.90.100.102 9999是netcat的地址和监听端口，要根据现实情况填入。
执行如下：

1. [hadoop@node1 ~]$ standalone-job.sh start --job-classname com.flink.wc.demo.WordCountUnbounded 10.90.100.102 9999
2. Starting standalonejob daemon on host node1.[hadoop@node1 ~]$ jps6016 Jps5959 StandaloneApplicationClusterEntryPoint

复制代码

  提示：执行该命令之前肯定要先启动该步伐所连接的监听服务即先启动Netcat
  

• 启动TaskManager
  

1. [hadoop@node1 ~]$ taskmanager.sh start
3. Starting taskexecutor daemon on host node1.
4. [hadoop@node1 ~]$ jps
5. 6627 Jps
6. 5959 StandaloneApplicationClusterEntryPoint
7. 6569 TaskManagerRunner

复制代码

  注：这里只在node1上启动一个taskmanager，如果需要多个taskmanager需要在别的节点上单独执行该命令启动。
  

• 在netcat的socket中输入内容，如hello world
  

1. [hadoop@node2 ~]$ nc -lk 9999   
2. hello world  

复制代码

• 欣赏器访问Flink Web监控界面的地址10.90.100.101:8081，在Web界面中观察输出数据
  

从输出的结果可以看到提交的任务已经实现词的统计。

• 如果需要停掉集群，使用如下命令
  

1. #关闭TaskManager
2. [hadoop@node1 ~]$ taskmanager.sh stop
3. #关闭JobManager
4. [hadoop@node1 ~]$ standalone-job.sh stop

复制代码

至此，Standalone资源模式运行的应用模式部署方式已经完成。
三、 Flink集群YARN运行模式

YARN上部署的过程是：客户端把Flink应用提交给Yarn的ResourceManager，Yarn的ResourceManager会向Yarn的NodeManager申请容器。在这些容器上，Flink会部署JobManager和TaskManager的实例，从而启动集群。Flink会根据运行在JobManger上的作业所需要的Slot数量动态分配TaskManager资源。
3.1 环境准备

• 为了提供无界流的测试，在任意节点（这里以node2为例）安装网络工具Netcat，并开启当地监听端口（这里以9999端口为例）。
  

1. [hadoop@node2 ~]$ sudo yum install nc
2. [hadoop@node2 ~]$ nc -lk 9999

复制代码

• 为了提交Flink步伐任务到集群中执行验证。本例中提供无界流词频统计的步伐FlinkWC-1.0-SNAPSHOT.jar进行测试。其中，步伐入口为com.flink.wc.demo.WordCountUnbounded
  

下载FlinkWC-1.0-SNAPSHOT.jar

• 在将Flink任务部署至YARN集群之前，肯定要有Hadoop集群，并完成如下配置：
  

① 配置环境变量

1. [hadoop@node1 ~]$ sudo vim /etc/profile
2.    

复制代码

在profile文件末尾添加如下内容：

1. #FLINK_HADOOP_CONF
2. export HADOOP_CONF_DIR=${HADOOP_HOME}/etc/hadoop
3. export HADOOP_CLASSPATH=`hadoop classpath`

复制代码

刷新环境变量

1. [hadoop@node1 ~]$ source /etc/profile

复制代码

② 启动Hadoop集群，包括HDFS和YARN

1. [hadoop@node1 ~]$ hdp.sh start
2. [hadoop@node1 ~]$ hdp.sh jps
3. ==================== node1 ====================
4. 8210 NameNode
5. 8885 NodeManager
6. 8518 DataNode
7. 9129 Jps
8. ==================== node2 ====================
9. 3875 ResourceManager
10. 3606 DataNode
11. 4041 NodeManager
12. 4511 Jps
13. ==================== node3 ====================
14. 4066 NodeManager
15. 3670 DataNode
16. 4310 Jps
17. 3882 SecondaryNameNode

复制代码

  注：hdp.sh脚本已经封装好hdfs和yarn的启动命令。
  3.2 会话模式部署

YARN的会话模式与独立集群略有差异，需要首先申请一个YARN会话（YARN Session）来启动Flink集群。具体步调如下
3.2.1 启动Flink集群

执行脚本命令向YARN集群申请资源，开启一个YARN会话，启动Flink集群。操纵如下：

1. [hadoop@node1 ~]$ yarn-session.sh -nm yarn-session-cluster

复制代码

  常用参数：
  

• -d：分离模式，如果你不想让Flink YARN客户端一直前台运行，可以使用这个参数，即使关掉当前对话窗口，YARN session也可以后台运行。
  
• -jm（–jobManagerMemory）：配置JobManager所需内存，默认单位MB。
  
• -nm（–name）：配置在YARN UI界面上显示的任务名。如以上命令的yarn-session-cluster
  
• -qu（–queue）：指定YARN队列名
  
• -tm（–taskManager）：配置每个TaskManager所使用内存。
  

  YARN Session启动之后会给出一个Web UI地址以及一个YARN application ID，如下所示，用户可以通过Web UI或者命令行两种方式提交作业，如：

1. pplication 'application_1741879375303_0001'.   
2. JobManager Web Interface: http://node1:43167   

复制代码

可以通过以上显示的地址http://node1:43167访问flink的web界面。

3.2.2 提交作业

方式一：通过Web UI方式提交作业。

这种方式比力简单，与上文所述Standalone部署模式根本类似。

操纵过程在此不在赘述，请自己完成。
方式二 ：通过命令行提交作业

• 执行以下命令将该任务提交到已经开启的Yarn-Session中运行 （因为node1在启动集群是在前台服务，这里可以重新打开一个node1的连接，在新的连接中执行提交作业命令）
  

命令格式：

1. flink run  -c <程序入口> <程序jar包路径> [参数]

复制代码

执行命令如下：

1. [hadoop@node1 ~]$ ls  
2. FlinkWC-1.0-SNAPSHOT.jar   
3. [hadoop@node1 ~]$  flink run -c com.flink.wc.demo.WordCountUnbounded ./FlinkWC-1.0-SNAPSHOT.jar 10.90.100.102 9999

复制代码

  注意：这种模式下，客户端可以自行确定JobManager的地址，也可以通过-m或者-jobmanager参数指定JobManager的地址，JobManager的地址在YARN Session的启动页面中可以找到。
  

• 任务提交成功后，可在YARN的Web UI界面查看运行情况。
  

创建的Yarn-Session现实上是一个Yarn的Application，并且有唯一的Application ID

• 在netcat的socket中输入内容，如hello flink
  

1. [hadoop@node2 ~]$ nc -lk 9999   
2. hello flink
4.   

复制代码

• 在yarn的Tracking UI找到flink的Web入口。
  

进入taskmanager，看到词的统计

3.2.3 关闭flink集群

如果要关闭集群，在终端按Ctrl +C 即可。
至此，YARN资源模式运行的会话模式部署方式已经完成。
3.3 单作业模式部署

在YARN环境中，由于有了外部平台做资源调度，所以也可以直接向YARN提交一个单独的作业，从而启动一个Flink集群。

• 执行命令提交作业。
  

命令格式：

1. flink run -d -t yarn-per-job -c <程序入口> <程序jar包路径> [参数]

复制代码

执行命令如下：

1. [hadoop@node1 ~]$ ls                  
2. FlinkWC-1.0-SNAPSHOT.jar
4. [hadoop@node1 ~]$ flink run -d -t yarn-per-job -c com.flink.wc.demo.WordCountUnbounded ./FlinkWC-1.0-SNAPSHOT.jar 10.90.100.102 9999

复制代码

  注意：
  如果启动过程中报如下非常。

1. Exception in thread "Thread-4" java.lang.IllegalStateException: Trying to access closed classloader. Please check if you store classloaders directly or indirectly in static fields. If the stacktrace suggests that the leak occurs in a third party library and cannot be fixed immediately, you can disable this check with the configuration 'classloader.check-leaked-classloader'.
2.        at org.apache.flink.util.FlinkUserCodeClassLoaders$SafetyNetWrapperClassLoader.ensureInner(FlinkUserCodeClassLoaders.java:189)
3. ......

复制代码

可以不用理会，并不会影响结果，因为任务已经提交到yarn中。如果肯定要办理可以在flink的/opt/software/flink-1.19.2/conf/config.yaml

1. [hadoop@node1 conf]$  vim config.yaml  

复制代码

配置文件中添加以下配置：

1. classloader.check-leaked-classloader: false

复制代码

• 在YARN的ResourceManager界面查看执行情况
  

点击可以打开Flink Web UI页面进行监控，如下图所示

• 测试词频统计 。
  

Flink集群已经启动，词频统计与之前的操纵步调都一样，在此就不在赘述。请自己完成相关操纵。

• 如果需使用命令行查看或取消作业，可以使用如下命令：
  

1. #查看
2. [hadoop@node1 ~]$  flink list -t yarn-per-job -Dyarn.application.id=application_XXXX_YY
3. #取消
4. [hadoop@node1 ~]$  flink cancel -t yarn-per-job -Dyarn.application.id=application_XXXX_YY <jobId>

复制代码

这里的application_XXXX_YY是当前应用的ID，<jobId>是作业的ID。在提交作业的时间，终端是能看到应用ID和jobID的，如：

执行取消作业命令：

1. [hadoop@node1 ~]$ flink cancel -t yarn-per-job -Dyarn.application.id=application_1741879375303_0003 69d156ad4b1750e44d807611f8ab8d81

复制代码

  注意:如果取消作业，整个Flink集群也会停掉。
  至此，YARN资源模式运行的单机作业模式部署方式已经完成。
3.4 应用模式部署

应用模式同样非常简单，与单作业模式类似，直接执行flink run-application命令即可。
3.4.1 命令行提交

• 执行命令提交作业。
  

命令格式：

1. flink run-application -t yarn-application -c <程序入口> <程序jar包路径> [参数]

复制代码

执行以下命令：

1. [hadoop@node1 ~]$ ls
2. FlinkWC-1.0-SNAPSHOT.jar
3. [hadoop@node1 ~]$ flink run-application -t yarn-application -c com.flink.wc.demo.WordCountUnbounded ./FlinkWC-1.0-SNAPSHOT.jar 10.90.100.102 9999

复制代码

• 词频统计
  

Flink集群已经启动，词频统计与之前的操纵步调都一样，在此就不在赘述。请自己完成相关操纵。

• 在命令行中查看或取消作业
  

1. #通过application ID可以查看到jobID
2. [hadoop@node1 ~]$  flink list -t yarn-application -Dyarn.application.id=application_XXXX_YY
3. #取消
4. [hadoop@node1 ~]$  flink cancel -t yarn-application -Dyarn.application.id=application_XXXX_YY <jobId>

复制代码

这里的application_XXXX_YY是当前应用的ID，<jobId>是作业的ID。
3.4.2 上传HDFS提交

根据YARN的工作机制，以上这些操纵中，每次执行操纵，flink依赖jar包和步伐jar包都会单独上传到集群hdfs，如果做要提交的作业非常多，就显得很繁重了，此时可将flink本身的依赖和用户jar可以预先上传到HDFS，而不需要单独发送到集群，这就使得作业提交更加轻量了，执行更加快。
可以通过yarn.provided.lib.dirs配置选项指定位置，将flink的依赖上传到远程。

• 上传flink的lib和plugins到HDFS上。
  

1. #在hdfs上创建存放flink依赖的目录
2. [hadoop@node1 ~]$ hdfs dfs -mkdir /flink-libs
3. #上传依赖到hdfs到flink-libs
4. [hadoop@node1 ~]$ hdfs dfs -put /opt/software/flink-1.19.2/lib /flink-libs
5. [hadoop@node1 ~]$ hdfs dfs -put /opt/software/flink-1.19.2/plugins /flink-libs

复制代码

• 步伐的jar包到HDFS
  

1. #在hdfs上创建存放用户的步伐jar的目录[hadoop@node1 ~]$ hdfs dfs -mkdir /flink-jars#上传用户步伐jar到hdfs到flink-jars[hadoop@node1 ~]$ ls
2. FlinkWC-1.0-SNAPSHOT.jar
3. [hadoop@node1 ~]$ hdfs dfs -put FlinkWC-1.0-SNAPSHOT.jar  /flink-jars

复制代码

• 提交作业
  

1. [hadoop@node1 ~]$ flink run-application -t yarn-application     -Dyarn.provided.lib.dirs="hdfs://node1:9820/flink-libs" -c com.flink.wc.demo.WordCountUnbounded  hdfs://node1:9820/flink-jars/FlinkWC-1.0-SNAPSHOT.jar 10.90.100.102 9999

复制代码

• 词频统计
  

Flink集群已经启动，词频统计与之前的操纵步调都一样，在此就不在赘述。请自己完成相关操纵。

• 在命令行中查看或取消作业
  

1. #通过application ID可以查看到jobID
2. [hadoop@node1 ~]$  flink list -t yarn-application -Dyarn.application.id=application_XXXX_YY
3. #取消
4. [hadoop@node1 ~]$  flink cancel -t yarn-application -Dyarn.application.id=application_XXXX_YY <jobId>

复制代码

这里的application_XXXX_YY是当前应用的ID，<jobId>是作业的ID。
至此，YARN资源模式运行的应用模式部署方式已经完成。

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。