大数据-111 Flink 安装部署 YARN部署模式 FlinkYARN模式申请资源、提交任务 ...

点一下关注吧！！！非常感谢！！持续更新！！！

目前已经更新到了：

• Hadoop（已更完）
  
• HDFS（已更完）
  
• MapReduce（已更完）
  
• Hive（已更完）
  
• Flume（已更完）
  
• Sqoop（已更完）
  
• Zookeeper（已更完）
  
• HBase（已更完）
  
• Redis （已更完）
  
• Kafka（已更完）
  
• Spark（已更完）
  
• Flink（正在更新！）
  

章节内容

上节完成了如下的内容：

• 基础环境规划
  
• 集群规划
  
• 下载安装
  
• Standalone模式启动
  

YARN模式部署

环境变量

1. vim /etc/profile
2. export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop
3. export YARN_CONF_DIR=$HADOOP_HOME/etc/hadoop
4. export HADOOP_CLASSPATH=`hadoop classpath`

复制代码

设置的结果如下图所示：

退出保存，并革新环境变量。
yarn-site

1. cd /opt/servers/hadoop-2.9.2/etc/hadoop
2. vim yarn-site.xml

复制代码

我们需要在原来的基础上，写入一些新的内容：

1. <!-- YRAN Flink 相关 -->
2. <property>
3.         <name>yarn.nodemanager.pmem-check-enabled</name>
4.         <value>false</value>
5. </property>
6. <property>
7.         <name>yarn.nodemanager.vmem-check-enabled</name>
8.         <value>false</value>
9. </property>
10. <property>
11.         <name>yarn.resourcemanager.address</name>
12.         <value>h123.wzk.icu:8032</value>
13. </property>
14. <property>
15.         <name>yarn.resourcemanager.scheduler.address</name>
16.         <value>h123.wzk.icu:8030</value>
17. </property>
18. <property>
19.         <name>yarn.resourcemanager.resource-tracker.address</name>
20.         <value>h123.wzk.icu:8031</value>
21. </property>

复制代码

设置样式如下图所示：

同步设置

我们需要在：

• h121 节点
  
• h122 节点
  
• h123 节点
  这三台呆板上，都设置好一样的内容。
  

由于设置的过程根本重复，这里就跳过我设置的过程了，大致说一下需要设置的内容：

• Flink环境
  
• 环境变量profile
  
• yarn-site
  
• 停止Flink服务
  
• 停止Hadoop集群等服务
  
• 停止YARN集群等服务
  
• 重启Hadoop集群
  
• 重启YARN集群
  

我这里使用之前的 rsync-script 工具举行同步了：

漫长的期待之后，可以看到已经传输完毕了：

停止Hadoop

1. cd /opt/servers/hadoop-2.9.2/sbin
2. stop-all.sh

复制代码

h121

停止YARN集群

h123

h123节点执行（ResourceManager节点在这里）：

停止Flink

h121节点执行：

1. ./stop-cluster.sh

复制代码

停止结果

h121

（还剩下一个ZK的服务，非必须，想结束的话也可以结束掉）

h122

h123

启动Hadoop集群

一切确认没有标题之后，我们就可以重新启动了。
h121

1. start-all.sh

复制代码

h122

h123

启动YARN集群

h123

为了防止YARN启动异常，我们需要到 h123 包管启动一次:

1. start-yarn.sh

复制代码

申请资源

查看资助

1. cd /opt/servers/flink-1.11.1/bin/
2. ./yarn-session.sh -h

复制代码

可以看到该脚本的说明如下：

测试脚本1 申请资源

1. ./yarn-session.sh -n 2 -tm 800 -s 1 -d

复制代码

上面的脚本的含义是：

• -n 表示申请2个容器 这里就是指多少个TaskManager
  
• -s 表示每个TaskManager的Slots数量
  
• -tm 表示每个 TaskManager的内存巨细
  
• -d 表示配景的方式运行程序
  

脚本1 表明

上面的脚本会向YARN申请3个Container，即便写的是2个，由于ApplicationMaster和JobManager有一个额外的容器，一旦将Flink部署到YARN集群中，就会显示JobManger的毗连具体信息。
2个Container启动TaskManager -n 2，每个TaskManager拥有1个TaskSlots -s 1，并且向每个TaskManager的Container申请800M的内存，以及一个 ApplicationMaster jobManager
如果不想让Flink YRAN客户端始终运行，那么也可以启动分离的YARN会话，被参数被称为-d或–detached，这种环境下，Flink YARN客户端只会将Flink提交给集群，然后关闭它自己。
整个过程大概是：yarn-session.sh（开辟资源） + Flink run（提交任务）

• 使用Flink中的yarn-session，会启动两个必要服务JobManager和TaskManager
  
• 客户端通过Flink run提交作业
  
• yarn-session 会一直启动，不绝的接收客户端提交的作业
  
• 这种方式创建的Flink集群会独占资源
  
• 如果有大量的 作业/任务 较小、工作时间短，适合使用这种方式，减少资源创建的时间。
  

脚本1 执行结果

可以看到一些日志内容：

1. 2024-07-24 16:34:33,236 WARN  org.apache.flink.yarn.configuration.YarnLogConfigUtil        [] - The configuration directory ('/opt/servers/flink-1.11.1/conf') already contains a LOG4J config file.If you want to use logback, then please delete or rename the log configuration file.
2. 2024-07-24 16:34:33,381 INFO  org.apache.hadoop.yarn.client.RMProxy                        [] - Connecting to ResourceManager at h123.wzk.icu/124.223.26.81:8032
3. 2024-07-24 16:34:33,724 INFO  org.apache.flink.runtime.util.config.memory.ProcessMemoryUtils [] - The derived from fraction jvm overhead memory (160.000mb (167772162 bytes)) is less than its min value 192.000mb (201326592 bytes), min value will be used instead
4. 2024-07-24 16:34:33,734 INFO  org.apache.flink.runtime.util.config.memory.ProcessMemoryUtils [] - The derived from fraction jvm overhead memory (172.800mb (181193935 bytes)) is less than its min value 192.000mb (201326592 bytes), min value will be used instead
5. 2024-07-24 16:34:34,210 INFO  org.apache.flink.yarn.YarnClusterDescriptor                  [] - The configured JobManager memory is 1600 MB. YARN will allocate 2048 MB to make up an integer multiple of its minimum allocation memory (1024 MB, configured via 'yarn.scheduler.minimum-allocation-mb'). The extra 448 MB may not be used by Flink.
6. 2024-07-24 16:34:34,211 INFO  org.apache.flink.yarn.YarnClusterDescriptor                  [] - The configured TaskManager memory is 1728 MB. YARN will allocate 2048 MB to make up an integer multiple of its minimum allocation memory (1024 MB, configured via 'yarn.scheduler.minimum-allocation-mb'). The extra 320 MB may not be used by Flink.

复制代码

运行过程如下图所示：

测试脚本2 提交运行

我们也可以直接在YARN上提交运行Flink作业（Run a Flink job on YARN）

1. ./flink run -m yarn-cluster -yn 2 -yjm 1024 -ytm 1024 /opt/wzk//WordCount.jar

复制代码

上述参数的一些表明：

• -m JobManager 的地点
  
• -yn TaskManager的个数
  

停止 yarn-cluster

1. yarn application -kill application_xxxxxxxxx

复制代码

脚本2 表明

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。