大数据-110 Flink 安装摆设 下载解压配置 Standalone模式启动 打包依赖 ...

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：
     

• Flink 重要角色
  
• TaskManager
  
• ResourceManager
  
• 各个组件之间的关系
  
• Sink Task SubTask 等等内容
  

     

     安装模式

     Flink支持多种安装模式：

     

• local(本地)：单机模式，一样寻常本地开辟调试
  
• Standalone独立模式：Flink自带集群，本身管理资源调度，部分生产环境会这么用
  
• YARN模式：盘算资源同一由Hadoop YRAN管理，生产环境大部分是这种
  

     基础环境

     基于我们之前的大数据的环境：
     

• JAVA_HOME 之前已经配好了
  
• SSH 免密登录 三台节点之间 之前也配置好了
  

     集群规划

     

      我们对应的呆板是：
     

• h121 2C4G
  
• h122 2C4G
  
• h123 2C2G
  

     下载安装

     选择的版本是：Flink 1.11.1 版本
                                   登录后复制                        

1. https://www.apache.org/dyn/closer.lua/flink/flink-1.11.1/flink-1.11.1-bin-scala_2.12.tgz

复制代码

      

• 1.
  

                       你也可以直接使用 wget 下载，目前我们登录到服务器 h121 节点上
                                   登录后复制                        

1. cd /opt/software/
2. wget https://archive.apache.org/dist/flink/flink-1.11.1/flink-1.11.1-bin-scala_2.12.tgz

复制代码

      

• 1.
  
• 2.
  

                       等候下载完毕：
     

      解压配置：
                                   登录后复制                        

1. tar -zxvf flink-1.11.1-bin-scala_2.12.tgz

复制代码

      

• 1.
  

                       处置惩罚过程如下：
     

      解压完成之后，移动到目次下：
                                   登录后复制                        

1. mv flink-1.11.1 ../servers/
2. cd ../servers/
3. ls

复制代码

      

• 1.
  
• 2.
  
• 3.
  

                       Standalone模式摆设

     上述我们已经完成了 h121 服务器节点的配置安装，接下来我们修改配置文件。
Standalone 模式是一种相对简单的 Flink 集群摆设方式，得当在拥有固定资源的环境中运行 Flink 应用步伐。所有的 Flink 组件(如 JobManager 和 TaskManager)都是手动配置和启动的，没有依赖外部的资源管理系统。
     启动与配置

     

• 手动启动：在 Standalone 模式下，JobManager 和 TaskManager 需要通过脚本手动启动。可以通过 Flink 提供的启动脚本(如 start-cluster.sh)来启动整个集群，大概单独启动每个组件。
  
• 配置文件：Standalone 模式的配置主要通过 flink-conf.yaml 文件进行，配置内容包括 JobManager 和 TaskManager 的数量、内存和 CPU 资源、网络设置等。
  

     flink-conf.yaml

                                   登录后复制                        

1. cd /opt/servers/flink-1.11.1/conf
2. vim flink-conf.yaml

复制代码

      

• 1.
  
• 2.
  

                       我们修改的内容有这么两处：
                                   登录后复制                        

1. jobmanager.rpc.address: h121.wzk.icu
2. taskmanager.numberOfTaskSlots: 2

复制代码

      

• 1.
  
• 2.
  

                       修改内容如下所示：
     

     Works

     不同的版本大概叫不同的名字，我这里是 works
                                   登录后复制                        

1. cd /opt/servers/flink-1.11.1/conf
2. vim workers

复制代码

      

• 1.
  
• 2.
  

                       写入如下的内容，我们有三台云节点：
                                   登录后复制                        

1. h121.wzk.icu
2. h122.wzk.icu
3. h123.wzk.icu

复制代码

      

• 1.
  
• 2.
  
• 3.
  

                       写入的效果如下图所示：
     

     Master

                                   登录后复制                        

1. cd /opt/servers/flink-1.11.1/conf
2. vim masters

复制代码

      

• 1.
  
• 2.
  

                       写入如下的内容：
                                   登录后复制                        

1. h121.wzk.icu:8081

复制代码

      

• 1.
  

                       写入的效果如下图：
     

     服务启动

     临时就可以先启动进行测试了：
                                   登录后复制                        

1. cd /opt/servers/flink-1.11.1/bin/
2. ./start-cluster.sh

复制代码

      

• 1.
  
• 2.
  

                       启动过程如下所示：
     

     启动效果

     这里要注意，由于我们之前配置过Spark环境，Spark的Web也是8081端口。
记得把Spark的服务停掉(临时用不到Spark相关的内容了)。
启动后，我们访问：
                                   登录后复制                        

1. http://h121.wzk.icu:8081/#/overview

复制代码

      

• 1.
  

                       

      可以通过 JPS 命令查看主机当前的状态：(不需要的你可以停掉)
     

• Hadoop
  
• HDFS
  
• Flink
  
• 等等
  

     

     测试效果

     官方提供的Demo，可以运行测试一下是否正常
                                   登录后复制                        

1. cd /opt/servers/flink-1.11.1/bin
2. ./flink run ../examples/streaming/WordCount.jar

复制代码

      

• 1.
  
• 2.
  

                       实行效果如下图：
     

      可视化的页面也可以看到：
     

     特点与优缺点

     优点

     

• 轻便易用：Standalone 模式不需要额外的资源管理系统，配置相对简单，特别得当在资源固定的小型集群中运行。
  
• 独立性强：这种模式下，Flink 集群不依赖于外部系统，可以在没有 Yarn、Kubernetes 等资源管理平台的环境中独立运行。
  
• 低延迟：由于不涉及外部资源调度系统，Standalone 模式在资源调度上的延迟相对较低，得当需要低延迟使命调度的场景。
  

     缺点

     

• 资源弹性差：由于没有集成外部资源管理系统，Standalone 模式的资源调度和管理相对固定，不支持动态扩展或缩减资源。这在面对变化的工作负载时，大概会导致资源浪费或不足。
  
• 管理复杂：在大规模集群中，手动管理多个 JobManager 和 TaskManager 大概变得复杂，特别是在需要高可用性和故障恢复的情况下。
  
• 缺乏高级特性：相比于集成 Yarn 或 Kubernetes 的摆设模式，Standalone 模式缺乏一些高级的资源管理特性，如自动化资源分配、动态扩展、集群隔离等。
  

     使用场景

     

• 开辟与测试：Standalone 模式非常得当用于 Flink 应用的开辟与测试阶段，由于它配置简单，易于快速摆设和运行作业。
  
• 小型集群：在资源固定且规模较小的集群中，Standalone 模式可以提供充足的机动性和控制力。
  
• 边缘盘算：在某些资源有限的环境(如边缘盘算或嵌入式设备)中，Standalone 模式可以提供一种轻量级的分布式盘算解决方案。
  

     扩展性与限定

     

• 扩展性有限：固然 Standalone 模式允许在固定资源下进行扩展，但由于缺乏动态资源管理，扩展本领有限，难以应对大规模或动态变化的工作负载。
  
• 适应性：对于需要频繁调整资源的场景，Standalone 模式大概不太实用，但在资源固定且作业负载相对稳固的情况下，它可以提供稳固可靠的服务。
  

     添加依赖

                                   登录后复制                        

1. <build>
2.   <plugins>
3.     <!-- 打jar插件 -->
4.     <plugin>
5.       <groupId>org.apache.maven.plugins</groupId>
6.       <artifactId>maven-shade-plugin</artifactId>
7.       <version>2.4.3</version>
8.       <executions>
9.         <execution>
10.           <phase>package</phase>
11.           <goals>
12.             <goal>shade</goal>
13.           </goals>
14.           <configuration>
15.             <filters>
16.               <filter>
17.                 <artifact>*:*</artifact>
18.                 <excludes>
19.                   <exclude>META-INF/*.SF</exclude>
20.                   <exclude>META-INF/*.DSA</exclude>
21.                   <exclude>META-INF/*.RSA</exclude>
22.                 </excludes>
23.               </filter>
24.             </filters>
25.           </configuration>
26.         </execution>
27.       </executions>
28.     </plugin>
29.   </plugins>
30. </build>

复制代码

      

• 1.
  
• 2.
  
• 3.
  
• 4.
  
• 5.
  
• 6.
  
• 7.
  
• 8.
  
• 9.
  
• 10.
  
• 11.
  
• 12.
  
• 13.
  
• 14.
  
• 15.
  
• 16.
  
• 17.
  
• 18.
  
• 19.
  
• 20.
  
• 21.
  
• 22.
  
• 23.
  
• 24.
  
• 25.
  
• 26.
  
• 27.
  
• 28.
  
• 29.
  
• 30.
  

                       pom结构如下所示：
     

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。