Flink on Yarn三部曲之三：提交Flink任务

欢迎访问我的GitHub

https://github.com/zq2599/blog_demos

内容：所有原创文章分类汇总及配套源码，涉及Java、Docker、Kubernetes、DevOPS等；

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；

全文链接

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》
3. 《Flink on Yarn三部曲之三：提交Flink任务》

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：

1. SSH登录CDH服务器；
2. 切换到hdfs账号：su - hdfs
3. 下载实战用的txt文件：

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

4. 创建hdfs文件夹：hdfs dfs -mkdir /input
5. 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

1. SSH登录CDH服务器；
2. 切换到hdfs账号：su - hdfs
3. 进入目录：/opt/flink-1.7.2/
4. 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

5. 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：
   
6. 浏览器访问CDH服务器的38301端口，可见Flink服务已经启动：
   
7. 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：
   
8. 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
9. 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

10. 执行完毕后，控制台输出如下：
    
11. 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
12. 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：
    
13. 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：
    
14. 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

1. 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

2. 控制台输出如下，表明任务执行完成：
   
3. 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

4. 在YARN管理页面可见任务已经结束：
   
5. 执行命令hdfs dfs -ls /查看结果文件，已经成功生成：
   
6. 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；
7. 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；

欢迎关注公众号：程序员欣宸

微信搜索「程序员欣宸」，我是欣宸，期待与您一同畅游Java世界...
https://github.com/zq2599/blog_demos