关于flink 程序提交到yarn上面运行的相关操作和创建checkpoint和savepoint的相关操作

 最近公司在做实时的东西，我们是采用的是消费kafka的数据 然后将kafka的数据接入到MySQL 数据库然后做一些简单的统计计算，伪实时的展示数据（10分钟进行一次）

（情景描述 我们公司用的是aws的服务器。所以flink 集群当中的服务有很多台）

--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

问题（1）通过命令行去查看flink作业的id 使用命令 flink list 他就报下面的错误。

org.apache.flink.client.deployment.ClusterRetrieveException: Couldn't retrieve standalone cluster
    at org.apache.flink.client.deployment.StandaloneClusterDescriptor.retrieve(StandaloneClusterDescriptor.java:51)
    at org.apache.flink.client.deployment.StandaloneClusterDescriptor.retrieve(StandaloneClusterDescriptor.java:31)
    at org.apache.flink.client.cli.CliFrontend.runClusterAction(CliFrontend.java:942)
    at org.apache.flink.client.cli.CliFrontend.list(CliFrontend.java:413)
    at org.apache.flink.client.cli.CliFrontend.parseParameters(CliFrontend.java:1013)
    at org.apache.flink.client.cli.CliFrontend.lambda$main$10(CliFrontend.java:1083)
    at java.security.AccessController.doPrivileged(Native Method)
    at javax.security.auth.Subject.doAs(Subject.java:422)
    at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1844)
    at org.apache.flink.runtime.security.HadoopSecurityContext.runSecured(HadoopSecurityContext.java:41)
    at org.apache.flink.client.cli.CliFrontend.main(CliFrontend.java:1083)
Caused by: org.apache.flink.util.ConfigurationException: cuoConfig parameter 'Key: 'jobmanager.rpc.address' , default: null (fallback keys: [])' is missing (hostname/address of JobManager to connect to).
    at org.apache.flink.runtime.highavailability.HighAvailabilityServicesUtils.getJobManagerAddress(HighAvailabilityServicesUtils.java:150)
    at org.apache.flink.runtime.highavailability.HighAvailabilityServicesUtils.createHighAvailabilityServices(HighAvailabilityServicesUtils.java:86)
    at org.apache.flink.client.program.ClusterClient.<init>(ClusterClient.java:118)
    at org.apache.flink.client.program.rest.RestClusterClient.<init>(RestClusterClient.java:179)
    at org.apache.flink.client.program.rest.RestClusterClient.<init>(RestClusterClient.java:152)
    at org.apache.flink.client.deployment.StandaloneClusterDescriptor.retrieve(StandaloneClusterDescriptor.java:49)
    ... 10 more

这个错 感觉是没有指定flink 的jobmanager  他没有办法知道他提交在哪台服务器上面。于是乎就就找这个jobmanager的地址在哪里。 这个怎么找那 我们通过命令行去找 ，因为程序是提交在yarn 上面

所以我们通过下面的命令

yarn application -list

 从上面的图中 我们能看到提交的flink的jobmanager 然后采用使用下面的命令 然后展示你想要的flink 的id 

flink list -m 你的flink提交的jobmanager:32981  (这里需要需要机上-m )

 问题 2 上面的步骤是获取到了 flink运行的id 接下来 我们要做的就是要对代码进行升级，这里我们要做的是手工保存一份savapoint 但是貌似有很多坑（采坑开始）

flink savepoint 9a8d0b58d0fe2fd7b9c01081c8f1ca1d -m 自己的IP:32981 hdfs:///tmp/tmp 

这个是保存程序的savepoint

 这样数据就保存到hdfs 上面去了。

除了这个方式之外 我们也可以通过在停止程序的时候将程序的savepoint 写入到hdfs 当中去。

停止程序的时候的命令：

flink cancel -s hdfs:///tmp/tmp 088d62e015adcb92e1b92171c438bc18 -m 自己的IP:36305

这个是在程序停止的时候就将savepoint 保存到hdfs的目录当中去了。

我们将程序停止掉之后，在程序再次启动的时候 我们要将我们保存的savepoint通知程序 让程序知道。启动的命令如下：

flink run -m yarn-cluster -s hdfs:///tmp/tmp/savepoint-088d62-0d3a2d53d0e9 -c WordCount /mnt/flinkjar/flinkTestConsumeKafka.jar

问题三：

我们的程序提交到集群当中，然后发现程序跑起来了，但是貌似在界面没有数据显示

然后在网上找到一片帖子 ，我擦30大洋才能看 真是卧槽。 最后没办法还是看了一眼。好在问题得到解决（为什么我的Flink任务正常运行,UI上却不显示接收和发送的数据条数呢?）

def main(args: Array[String]): Unit = {
  val env = StreamExecutionEnvironment.getExecutionEnvironment
  env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime)
  env.setParallelism(1)
  val ds = CommonUtils.getDataStream(env = env)
    .name("kafka-source")
    .filter(_.nonEmpty)
    .print()
  env.execute()
}

这个是他的原代码。

def main(args: Array[String]): Unit = {
  val env = StreamExecutionEnvironment.getExecutionEnvironment
  env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime)
  env.setParallelism(1)
  val ds = CommonUtils.getDataStream(env = env)
    .name("kafka-source")
    .filter(_.nonEmpty)
    .startNewChain()
    .disableChaining()
    .setParallelism(2)
    .print()
  env.execute()
}

这是修改后的代码。这个时候就需要打断operator chain,具体有三种写法,如下代码所示 这里的操作就是将操作连打断，然后就能看到数据了。因为在一个DAG当中。

 这三种写法都可以达到打断chain的目的,有什么区别呢?startNewChain和disableChaining没有实质性的区别,他俩都会打断chain,但是不会改变算子的并发度,setParallelism和前面的算子并发度,设置的不一致自然就打断chain了


当然这是别人的写法，在Java当中也有类似的写法：

keyedStream.addSink(new MysqlSink()).disableChaining().setParallelism(1);

我们是将数据sink到MySQL 当中。所以我这里这么写

 到这里我们的数据顺利的写入到数据库 在界面上 也能看到数据。这样问题就得到了解决。

问题 四 关于kafka的 问题。我们通过读取kafka 里面的数据 然后将数据写入到mysql 我只用用的私网地址 然后就各种获取不到kafka 的元数据信息 导致一直读取不到数据。

所以 大家在做kafka读数据的时候，先ping 一下地址看通不通。真是蛋疼