搭建高可用的flink JobManager HA

　　JobManager协调每个flink应用的部署，它负责执行定时任务和资源管理。

　　每一个Flink集群都有一个jobManager, 如果jobManager出现问题之后，将不能提交新的任务和运行新任务失败，这样会造成单点失败，所以需要构建高可用的JobMangager。

　　类似zookeeper一样，构建好了高可用的jobManager之后，如果其中一个出现问题之后，其他可用的jobManager将会接管任务，变为leader。不会造成flink的任务执行失败。可以在单机版和集群版构建jobManager。

　　下面开始构建一个单机版flink的JobManger高可用HA版。

　　首先需要设置SSH免密登录，因为启动的时候程序会通过远程登录访问并且启动程序。

　　执行命令，就可以免密登录自己的机器了。如果不进行免密登录的话，那么启动的hadoop的时候会报 "start port 22 connection refused"。

ssh-keygen -t rsa

ssh-copy-id -i ~/.ssh/id_rsa.pub huangqingshi@localhost

　　接下来在官网上下载hadoop的binary文件，然后开始解压，我下载的版本为hadoop-3.1.3版本。安装Hadoop的目的是用hadoop存储flink的JobManager高可用的元数据信息。

　　我安装的是hadoop的单机版，可以构建hadoop集群版。接下来进行hadoop的配置。

　　配置etc/hadoop/coresite.xml，指定namenode的hdfs协议文件系统的通信地址及临时文件目录。

<configuration>
    <property>
        <!--指定namenode的hdfs协议文件系统的通信地址-->
        <name>fs.defaultFS</name>
        <value>hdfs://127.0.0.1:9000</value>
    </property>
    <property>
        <!--指定hadoop集群存储临时文件的目录-->
        <name>hadoop.tmp.dir</name>
        <value>/tmp/hadoop/tmp</value>
    </property>
</configuration>

　　配置etc/hadoop/hdfs-site.xml, 设置元数据的存放位置，数据块的存放位置，DFS监听端口。

<configuration>
    <property>
        <!--namenode 节点数据（即元数据）的存放位置，可以指定多个目录实现容错，多个目录用逗号分隔-->
        <name>dfs.namenode.name.dir</name>
        <value>/tmp/hadoop/namenode/data</value>
    </property>
    <property>
        <!--datanode 节点数据（即数据块）的存放位置-->
        <name>dfs.datanode.data.dir</name>
        <value>/tmp/hadoop/datanode/data</value>
    </property>
    <property>
        <!--手动设置DFS监听端口-->
        <name>dfs.http.address</name>
        <value>127.0.0.1:50070</value>
    </property>
</configuration>

　　配置etc/hadoop/yarn-site.xml，配置NodeManager上运行的附属服务以及resourceManager主机名。

<configuration>

<!-- Site specific YARN configuration properties -->
    <property>
        <!--配置NodeManger上运行的附属服务。需要配置成mapreduce_shuffle后才可以在Yarn上运行MapReduce程序-->
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
    </property>
    <property>
        <!--resourcemanager 的主机名-->
        <name>yarn.resourcemanager.hostname</name>
        <value>localhost</value>
    </property>
</configuration>

　　配置etc/hadoop/mapred-site.xml，指定mapreduce作业运行在yarn上。

    <property>
        <!--指定mapreduce作业运行在yarn上-->
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>
</configuration>

　　需要执行nameNode的format操作，不执行直接启动会报“NameNode is not formatted.”。

bin/hdfs namenode -format

　　接下来启动hadoop，如果成功的话，可以访问如下URL:

　　http://localhost:50070/

　　

 　　http://localhost:8088/ 查看构成cluster的节点

 　　http://localhost:8042/node 查看node的相关信息。

　　以上说明hadoop单机版搭建完成。　　

　　接下来需要下载一个flink的hadoop插件，要不然flink启动的时候会报错的。

　　下载地址为：https://repo1.maven.org/maven2/org/apache/flink/flink-shaded-hadoop-2-uber/2.8.3-7.0/flink-shaded-hadoop-2-uber-2.8.3-7.0.jar

　　把下载的插件放到flink文件的lib文件夹中。

　　配置一下flink文件夹的conf/flink-conf.yaml。指定HA高可用模式为zookeeper，元数据存储路径用于恢复master，zookeeper用于flink的 checkpoint 以及 leader 选举。最后一条为zookeeper单机或集群的地址。

high-availability: zookeeper
high-availability.storageDir: hdfs://127.0.0.1:9000/flink/ha
high-availability.zookeeper.quorum: localhost:2181

　　其他的采用默认配置，比如JobManager的最大堆内存为1G，每一个TaskManager提供一个task slot，执行串行的任务。

　　接下来配置flink的 conf/masters 用于启动两个主节点JobManager。

localhost:8081
localhost:8082

　　配置flink的 conf/slaver 用于配置三个从节点TaskManager。

localhost
localhost
localhost

　　进入zookeeper路径并且启动zookeeper

bin/zkServer.sh start

　　进入flink路径并启动flink。　　

bin/start-cluster.sh conf/flink-conf.yaml

　　启动截图说明启动了两个节点的HA集群。　

　

　　执行jps，两个JobManager节点和三个TaskManager节点：

　　

 　　浏览器访问 http://localhost:8081 和 http://localhost:8082，查看里边的日志，搜索granted leadership的说明是主JobManager，如下图。8082端口说明为主JobMaster

 　　一个JobManager, 里边有三个TaskManager，两个JobManager共享这三个TaskManager：

 　　接下来我们来验证一下集群的HA功能，我们已经知道8082为主JobManager，然后我们找到它的PID，使用如下命令：

ps -ef | grep StandaloneSession

　　

 　　我们将其kill掉，执行命令kill -9 51963，此时在访问localhost:8082 就不能访问了。localhost:8081 还可以访问，还可以提供服务。接下来咱们重新 启动flink的JobManager 8082 端口。

bin/jobmanager.sh start localhost 8082

　　此时8081已经成为leader了，继续提供高可用的HA了。

 　　好了，到此就算搭建完成了。