使用java远程提交flink任务到yarn集群

使用java远程提交flink任务到yarn集群

背景

由于业务需要，使用命令行的方式提交flink任务比较麻烦，要么将后端任务部署到大数据集群，要么弄一个提交机，感觉都不是很离线。颠末一些调研，发现可以实现远程的任务发布。接下来就记录一下实现过程。这里用flink on yarn 的Application模式实现
情况预备

• 大数据集群，只要有hadoop就行
  
• 后端服务器，linux mac都行，windows不行
  

正式开始

1. 上传flink jar包到hdfs

去flink官网下载你需要的版本，我这里用的是flink-1.18.1，把flink lib目次下的jar包传到hdfs中。

其中flink-yarn-1.18.1.jar需要各人本身去maven仓库下载。
2. 编写一段flink代码

随便写一段flink代码就行，我们目的是测试

1. package com.azt;
3. import org.apache.flink.streaming.api.datastream.DataStreamSource;
4. import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
5. import org.apache.flink.streaming.api.functions.source.SourceFunction;
7. import java.util.Random;
8. import java.util.concurrent.TimeUnit;
10. public class WordCount {
11.     public static void main(String[] args) throws Exception {
12.         StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
13.         DataStreamSource<String> source = env.addSource(new SourceFunction<String>() {
14.             @Override
15.             public void run(SourceContext<String> ctx) throws Exception {
16.                 String[] words = {"spark", "flink", "hadoop", "hdfs", "yarn"};
17.                 Random random = new Random();
18.                 while (true) {
19.                     ctx.collect(words[random.nextInt(words.length)]);
20.                     TimeUnit.SECONDS.sleep(1);
21.                 }
22.             }
23.             @Override
24.             public void cancel() {
26.             }
27.         });
29.         source.print();
30.         env.execute();
31.     }
32. }

复制代码

3. 打包第二步的代码，上传到hdfs

4. 拷贝配置文件

• 拷贝flink conf下的所有文件到java项目的resource中
  
• 拷贝hadoop配置文件到到java项目的resource中
  

具体看截图

5. 编写java远程提交任务的程序

这一步有个留意的地方就是，如果你跟我一样是windows电脑，那么本地用idea提交会报错；如果你是mac或者linux，那么可以直接在idea中提交任务。

1. package com.test;
4. import org.apache.flink.client.deployment.ClusterDeploymentException;
5. import org.apache.flink.client.deployment.ClusterSpecification;
6. import org.apache.flink.client.deployment.application.ApplicationConfiguration;
7. import org.apache.flink.client.program.ClusterClient;
8. import org.apache.flink.client.program.ClusterClientProvider;
9. import org.apache.flink.configuration.*;
10. import org.apache.flink.runtime.client.JobStatusMessage;
11. import org.apache.flink.yarn.YarnClientYarnClusterInformationRetriever;
12. import org.apache.flink.yarn.YarnClusterDescriptor;
13. import org.apache.flink.yarn.YarnClusterInformationRetriever;
14. import org.apache.flink.yarn.configuration.YarnConfigOptions;
15. import org.apache.flink.yarn.configuration.YarnDeploymentTarget;
17. import org.apache.flink.yarn.configuration.YarnLogConfigUtil;
18. import org.apache.hadoop.fs.Path;
19. import org.apache.hadoop.yarn.api.records.ApplicationId;
20. import org.apache.hadoop.yarn.client.api.YarnClient;
21. import org.apache.hadoop.yarn.conf.YarnConfiguration;
23. import java.util.ArrayList;
24. import java.util.Collection;
25. import java.util.Collections;
26. import java.util.List;
27. import java.util.concurrent.CompletableFuture;
29. import static org.apache.flink.configuration.MemorySize.MemoryUnit.MEGA_BYTES;
31. /**
32. * @date ：2021/5/12 7:16 下午
33. */
34. public class Main {
35.     public static void main(String[] args) throws Exception {
36.         ///home/root/flink/lib/lib
37.         System.setProperty("HADOOP_USER_NAME","root");
38. //        String configurationDirectory = "C:\\project\\test_flink_mode\\src\\main\\resources\\conf";
39.         String configurationDirectory = "/export/server/flink-1.18.1/conf";
40.         org.apache.hadoop.conf.Configuration conf = new org.apache.hadoop.conf.Configuration();
41.         conf.set("fs.hdfs.impl","org.apache.hadoop.hdfs.DistributedFileSystem");
42.         conf.set("fs.file.impl", org.apache.hadoop.fs.LocalFileSystem.class.getName());
43.         String flinkLibs = "hdfs://node1.itcast.cn/flink/lib";
44.         String userJarPath = "hdfs://node1.itcast.cn/flink/user-lib/original.jar";
45.         String flinkDistJar = "hdfs://node1.itcast.cn/flink/lib/flink-yarn-1.18.1.jar";
47.         YarnClient yarnClient = YarnClient.createYarnClient();
48.         YarnConfiguration yarnConfiguration = new YarnConfiguration();
49.         yarnClient.init(yarnConfiguration);
50.         yarnClient.start();
52.         YarnClusterInformationRetriever clusterInformationRetriever = YarnClientYarnClusterInformationRetriever
53.                 .create(yarnClient);
54.         //获取flink的配置
55.         Configuration flinkConfiguration = GlobalConfiguration.loadConfiguration(
56.                 configurationDirectory);
57.         flinkConfiguration.set(CheckpointingOptions.INCREMENTAL_CHECKPOINTS, true);
58.         flinkConfiguration.set(
59.                 PipelineOptions.JARS,
60.                 Collections.singletonList(
61.                         userJarPath));
62.         YarnLogConfigUtil.setLogConfigFileInConfig(flinkConfiguration,configurationDirectory);
63.         Path remoteLib = new Path(flinkLibs);
64.         flinkConfiguration.set(
65.                 YarnConfigOptions.PROVIDED_LIB_DIRS,
66.                 Collections.singletonList(remoteLib.toString()));
68.         flinkConfiguration.set(
69.                 YarnConfigOptions.FLINK_DIST_JAR,
70.                 flinkDistJar);
71.         //设置为application模式
72.         flinkConfiguration.set(
73.                 DeploymentOptions.TARGET,
74.                 YarnDeploymentTarget.APPLICATION.getName());
75.         //yarn application name
76.         flinkConfiguration.set(YarnConfigOptions.APPLICATION_NAME, "jobname");
77.         //设置配置，可以设置很多
78.         flinkConfiguration.set(JobManagerOptions.TOTAL_PROCESS_MEMORY, MemorySize.parse("1024",MEGA_BYTES));
79.         flinkConfiguration.set(TaskManagerOptions.TOTAL_PROCESS_MEMORY, MemorySize.parse("1024",MEGA_BYTES));
80.         flinkConfiguration.set(TaskManagerOptions.NUM_TASK_SLOTS, 4);
81.         flinkConfiguration.setInteger("parallelism.default", 4);
83.         ClusterSpecification clusterSpecification = new ClusterSpecification.ClusterSpecificationBuilder()
84.                 .createClusterSpecification();
86. //                设置用户jar的参数和主类
87.         ApplicationConfiguration appConfig = new ApplicationConfiguration(args,"com.azt.WordCount");
90.         YarnClusterDescriptor yarnClusterDescriptor = new YarnClusterDescriptor(
91.                 flinkConfiguration,
92.                 yarnConfiguration,
93.                 yarnClient,
94.                 clusterInformationRetriever,
95.                 true);
96.         ClusterClientProvider<ApplicationId> clusterClientProvider = null;
97.         try {
98.             clusterClientProvider = yarnClusterDescriptor.deployApplicationCluster(
99.                     clusterSpecification,
100.                     appConfig);
101.         } catch (ClusterDeploymentException e){
102.             e.printStackTrace();
103.         }
105.         ClusterClient<ApplicationId> clusterClient = clusterClientProvider.getClusterClient();
106.         System.out.println(clusterClient.getWebInterfaceURL());
107.         ApplicationId applicationId = clusterClient.getClusterId();
109.         System.out.println(applicationId);
111.         Collection<JobStatusMessage> jobStatusMessages = clusterClient.listJobs().get();
112.         int counts = 30;
113.         while (jobStatusMessages.size() == 0 && counts > 0) {
114.             Thread.sleep(1000);
115.             counts--;
116.             jobStatusMessages = clusterClient.listJobs().get();
117.             if (jobStatusMessages.size() > 0) {
118.                 break;
119.             }
120.         }
121.         if (jobStatusMessages.size() > 0) {
122.             List<String> jids = new ArrayList<>();
123.             for (JobStatusMessage jobStatusMessage : jobStatusMessages) {
124.                 jids.add(jobStatusMessage.getJobId().toHexString());
125.             }
126.             System.out.println(String.join(",",jids));
127.         }
129.     }
130. }

复制代码

由于我这里是windows电脑，以是我打包放到服务器上去运行
执行命令 ：
   java -cp test_flink_mode-1.0-SNAPSHOT.jar com.test.Main
  不出以外的话，会打印如下日志

1. log4j:WARN No appenders could be found for logger (org.apache.hadoop.util.Shell).
2. log4j:WARN Please initialize the log4j system properly.
3. log4j:WARN See http://logging.apache.org/log4j/1.2/faq.html#noconfig for more info.
4. http://node2:33811
5. application_1715418089838_0017
6. 6d4d6ed5277a62fc9a3a274c4f34a468

复制代码

复制打印的url毗连，就可以打开flink的webui了，在yarn的前端页面中也可以看到flink任务。

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。