Flink操作训练场
在各种环境中部署和操作Apache Flink的方法有很多。无论这种多样性如何，Flink集群的基本构件保持不变，类似的操作原则也适用。
在这个操场上，你将学习如何管理和运行Flink Jobs。您将看到如何部署和监控应用程序，体验Flink如何从Job故障中恢复，并执行日常操作任务，如升级和重新缩放。
这个游乐场的构造
这个游乐场由一个长寿的Flink Session Cluster和一个Kafka Cluster组成。
一个Flink Cluster总是由一个JobManager和一个或多个Flink TaskManagers组成。JobManager负责处理Job提交，监督Job以及资源管理。Flink TaskManagers是工人进程，负责执行构成Flink Job的实际任务。在这个游戏场中，你将从一个单一的TaskManager开始，但以后会扩展到更多的TaskManager。此外，这个游乐场还带有一个专门的客户端容器，我们使用它来提交Flink Job，并在以后执行各种操作任务。客户端容器不是Flink Cluster本身需要的，只是为了方便使用才包含在里面。
Kafka集群由一个Zookeeper服务器和一个Kafka Broker组成。
当游乐场启动时，一个名为Flink Event Count的Flink Job将被提交给JobManager。此外，还会创建两个Kafka主题输入和输出。
该作业从输入主题中消耗ClickEvents，每个ClickEvents都有一个时间戳和一个页面。然后按页面对事件进行键入，并在 15 秒的窗口中进行计数。结果被写入输出主题。
有6个不同的页面，我们在每个页面和15秒内产生1000个点击事件。因此，Flink作业的输出应该显示每个页面和窗口有1000个浏览量。
启动游乐场
游戏场环境的设置只需几步。我们将引导你完成必要的命令，并展示如何验证一切都在正确运行。
我们假设你的机器上安装了Docker（1.12+）和docker-compose（2.1+）。
所需的配置文件可以在flink-playgrounds仓库中找到。检查一下，然后旋转环境。
git clone --branch release-1.12 https://github.com/apache/flink-playgrounds.git cd flink-playgrounds/operations-playground docker-compose build docker-compose up -d
之后，你可以用以下命令检查正在运行的Docker容器。
docker-compose ps Name Command State Ports ----------------------------------------------------------------------------------------------------------------------------- operations-playground_clickevent-generator_1 /docker-entrypoint.sh java ... Up 6123/tcp, 8081/tcp operations-playground_client_1 /docker-entrypoint.sh flin ... Exit 0 operations-playground_jobmanager_1 /docker-entrypoint.sh jobm ... Up 6123/tcp, 0.0.0.0:8081->8081/tcp operations-playground_kafka_1 start-kafka.sh Up 0.0.0.0:9094->9094/tcp operations-playground_taskmanager_1 /docker-entrypoint.sh task ... Up 6123/tcp, 8081/tcp operations-playground_zookeeper_1 /bin/sh -c /usr/sbin/sshd ... Up 2181/tcp, 22/tcp, 2888/tcp, 3888/tcp
这表明客户端容器已经成功提交了Flink Job（Exit 0），所有集群组件以及数据生成器都在运行（Up）。
您可以通过调用来停止游乐场环境。
docker-compose down -v
进入游乐场
在这个游乐场中，有很多东西你可以尝试和检查。在下面的两节中，我们将向您展示如何与Flink集群进行交互，并展示Flink的一些主要功能。
Flink WebUI
观察你的Flink集群最自然的出发点是在http://localhost:8081 下暴露的 WebUI。如果一切顺利，你会看到集群最初由一个任务管理器组成，并执行一个名为Click Event Count的Job。
Flink WebUI包含了很多关于Flink集群和它的工作的有用和有趣的信息（JobGraph, Metrics, Checkpointing Statistics, TaskManager Status, ...）。
日志
JobManager
JobManager的日志可以通过docker-compose进行尾随。
docker-compose logs -f jobmanager
在初始启动后，你应该主要看到每一个检查点完成的日志信息。
TaskManager
任务管理器的日志也可以用同样的方式进行尾随。
docker-compose logs -f taskmanager
在初始启动后，你应该主要看到每一个检查点完成的日志信息。
Flink 客户端命令
Flink CLI可以在客户端容器中使用。例如，要打印Flink CLI的帮助信息，你可以运行以下命令
docker-compose run --no-deps client flink --help
Flink REST API
Flink REST API通过主机上的localhost:8081或客户端容器中的jobmanager:8081暴露出来，例如，要列出所有当前正在运行的作业，你可以运行。
curl localhost:8081/jobs
Kafka Topics
你可以通过运行以下命令来查看写入Kafka主题的记录
//input topic (1000 records/s) docker-compose exec kafka kafka-console-consumer.sh --bootstrap-server localhost:9092 --topic input //output topic (24 records/min) docker-compose exec kafka kafka-console-consumer.sh --bootstrap-server localhost:9092 --topic output
Time to Play!开玩
现在你已经学会了如何与Flink和Docker容器进行交互，让我们来看看一些常见的操作任务，你可以在我们的操场上尝试一下。所有这些任务都是相互独立的，即你可以以任何顺序执行它们。大多数任务可以通过CLI和REST API来执行。
Listing Running Jobs列出正在运行的作业
命令1
docker-compose run --no-deps client flink list预期输出1
Waiting for response...
------------------ Running/Restarting Jobs -------------------
16.07.2019 16:37:55 : <job-id> : Click Event Count (RUNNING)
--------------------------------------------------------------
No scheduled jobs.JobID在提交时分配给作业，并且需要通过CLI或REST API对作业执行操作。
命令2
curl localhost:8081/jobs预期输出2
{
"jobs": [
{
"id": "<job-id>",
"status": "RUNNING"
}
]
}JobID在提交时分配给作业，并且需要通过CLI或REST API对作业执行操作。
观察故障和恢复
Flink在（部分）失败下提供了精确的一次处理保证。在这个游戏场中，你可以观察并--在一定程度上--验证这种行为。
步骤1：观察输出
如上所述，在这个游戏场中的事件是这样生成的，每个窗口正好包含一千条记录。因此，为了验证Flink是否成功地从TaskManager故障中恢复，而没有数据丢失或重复，你可以跟踪输出主题，并检查--恢复后--所有的窗口都存在，而且计数是正确的。
为此，从输出主题开始读取，并让这个命令运行到恢复后（步骤3）。
docker-compose exec kafka kafka-console-consumer.sh --bootstrap-server localhost:9092 --topic output
步骤2：引入故障
为了模拟部分故障，你可以杀死一个任务管理器。在生产设置中，这可能对应于TaskManager进程、TaskManager机器的丢失，或者仅仅是框架或用户代码抛出的一个短暂的异常（例如，由于外部资源的暂时不可用）。
docker-compose kill taskmanager
几秒钟后，JobManager会注意到任务管理器的丢失，取消受影响的Job，并立即重新提交它进行恢复。当Job被重新启动后，它的任务仍然处于SCHEDULED状态，紫色的方块表示（见下面的截图）。
注意：即使作业的任务处于SCHEDULED状态，还没有RUNNING，作业的整体状态也会显示为RUNNING。
此时，Job的任务不能从SCHEDULED状态转为RUNNING状态，因为没有资源（TaskManagers提供的TaskSlots）来运行任务。在新的任务管理器可用之前，Job将经历一个取消和重新提交的循环。
同时，数据生成器会不断地将ClickEvents推送到输入主题中。这类似于真正的生产设置，在生产数据的同时，要处理数据的Job却停机了。
步骤3:恢复
一旦你重新启动任务管理器，它就会重新连接到JobManager。
docker-compose up -d taskmanager
当JobManager被通知到新的任务管理器时，它将恢复中的Job的任务调度到新的可用任务槽。重新启动后，任务会从故障前最后一次成功的检查点恢复其状态，并切换到RUNNING状态。
Job将快速处理来自Kafka的全部积压输入事件（在故障期间积累的），并以更高的速度（>24条记录/分钟）产生输出，直到到达流的头部。在输出中，你会看到所有的键（页）都存在于所有的时间窗口中，而且每个计数都是精确的一千。由于我们是在 "至少一次 "模式下使用FlinkKafkaProducer，所以你有可能会看到一些重复的输出记录。
注意：大多数生产设置依赖于资源管理器（Kubernetes、Yarn、Mesos）来自动重启失败的进程。
升级和重新缩放一个作业
升级Flink作业总是涉及两个步骤。首先，用一个保存点优雅地停止Flink Job。保存点是在一个明确定义的、全局一致的时间点（类似于检查点）上的完整应用状态的一致快照。其次，升级后的Flink Job从Savepoint开始。在这种情况下，"升级 "可以意味着不同的事情，包括以下内容。
- 配置的升级（包括作业的并行性）。
- 对工作的拓扑结构进行升级（增加/删除操作员）。
- 对Job的用户定义功能进行升级。
在开始升级之前，你可能要开始尾随输出主题，以观察在升级过程中没有数据丢失或损坏。
docker-compose exec kafka kafka-console-consumer.sh --bootstrap-server localhost:9092 --topic output
步骤1:停止作业
要优雅地停止作业，您需要使用 CLI 或 REST API 的 "stop "命令。为此，您需要该作业的JobID，您可以通过列出所有正在运行的Job或从WebWeb中获得。有了JobID，您就可以继续停止该作业。
第一种：CLI方式
命令
docker-compose run --no-deps client flink stop <job-id>预期输出
Suspending job "<job-id>" with a savepoint.
Savepoint completed. Path: file:<savepoint-path>Savepoint已经被存储到flink-conf.yaml中配置的state.savepoint.dir中，它被安装在本地机器的/tmp/flink-savepoints-directory/下。在下一步，你将需要这个Savepoint的路径。
第二种：REST方式
请求
{
"request-id": "<trigger-id>"
}预期输出
{
"request-id": "<trigger-id>"
}请求
# 检查停止动作的状态并检索保存点路径
curl localhost:8081/jobs/<job-id>/savepoints/<trigger-id>预期输出
{
"status": {
"id": "COMPLETED"
},
"operation": {
"location": "<savepoint-path>"
}
}步骤2A:重新启动作业而不做更改
现在您可以从该保存点重新启动升级后的作业。为了简单起见，您可以在不做任何更改的情况下重新启动它。
第一种方式：CLI方式
命令
docker-compose run --no-deps client flink run -s <savepoint-path>
-d /opt/ClickCountJob.jar
--bootstrap.servers kafka:9092 --checkpointing --event-time预期输出
Job has been submitted with JobID <job-id>一旦作业再次运行，您将在输出主题中看到，在作业处理中断期间积累的积压时，记录以更高的速度产生。此外，您还会看到在升级过程中没有丢失任何数据：所有窗口都存在，数量正好是一千。
第二种方式：REST方式
请求
请求
# 从客户端容器上传JAR
docker-compose run --no-deps client curl -X POST -H "Expect:"
-F "jarfile=@/opt/ClickCountJob.jar" http://jobmanager:8081/jars/upload预期输出
{
"filename": "/tmp/flink-web-<uuid>/flink-web-upload/<jar-id>",
"status": "success"
}请求
# 提交工作
curl -X POST http://localhost:8081/jars/<jar-id>/run
-d '{"programArgs": "--bootstrap.servers kafka:9092 --checkpointing --event-time", "savepointPath": "<savepoint-path>"}'预期输出
{
"jobid": "<job-id>"
}一旦作业再次运行，您将在输出主题中看到，在作业处理中断期间积累的积压时，记录以更高的速度产生。此外，您还会看到在升级过程中没有丢失任何数据：所有窗口都存在，数量正好是一千。
步骤2B：以不同的并行度重新启动作业（重新缩放）
另外，您也可以在重新提交时通过传递不同的并行性，从这个保存点重新缩放作业。
第一种方式：CLI方式
命令
docker-compose run --no-deps client flink run -p 3 -s <savepoint-path>
-d /opt/ClickCountJob.jar
--bootstrap.servers kafka:9092 --checkpointing --event-time预期输出
Starting execution of program
Job has been submitted with JobID <job-id>第二种方式：REST方式
请求
请求
# 从客户端容器上传JAR
docker-compose run --no-deps client curl -X POST -H "Expect:"
-F "jarfile=@/opt/ClickCountJob.jar" http://jobmanager:8081/jars/upload预期输出
{
"filename": "/tmp/flink-web-<uuid>/flink-web-upload/<jar-id>",
"status": "success"
}请求
# 提交工作
curl -X POST http://localhost:8081/jars/<jar-id>/run
-d '{"parallelism": 3, "programArgs": "--bootstrap.servers kafka:9092 --checkpointing --event-time", "savepointPath": "<savepoint-path>"}'预期输出
{
"jobid": "<job-id>"
}现在，作业已经被重新提交，但它不会启动，因为没有足够的TaskSlots在增加的并行度下执行它（2个可用，3个需要）。有了
docker-compose scale taskmanager=2
你可以在Flink集群中添加一个带有两个任务槽的第二个任务管理器，它将自动注册到JobManager中。添加任务管理器后不久，该任务应该再次开始运行。
一旦Job再次 "RUNNING"，你会在输出Topic中看到在重新缩放过程中没有丢失数据：所有的窗口都存在，计数正好是一千。
查询作业的指标
JobManager通过其REST API公开系统和用户指标。
端点取决于这些指标的范围。可以通过 jobs/<job-id>/metrics 来列出一个作业的范围内的度量。指标的实际值可以通过get query参数进行查询。
请求
curl "localhost:8081/jobs/<jod-id>/metrics?get=lastCheckpointSize"
预期输出
[ { "id": "lastCheckpointSize", "value": "9378" } ]
REST API不仅可以用来查询指标，还可以检索运行中的作业状态的详细信息。
请求
# find the vertex-id of the vertex of interest curl localhost:8081/jobs/<jod-id>
预期输出
{ "jid": "<job-id>", "name": "Click Event Count", "isStoppable": false, "state": "RUNNING", "start-time": 1564467066026, "end-time": -1, "duration": 374793, "now": 1564467440819, "timestamps": { "CREATED": 1564467066026, "FINISHED": 0, "SUSPENDED": 0, "FAILING": 0, "CANCELLING": 0, "CANCELED": 0, "RECONCILING": 0, "RUNNING": 1564467066126, "FAILED": 0, "RESTARTING": 0 }, "vertices": [ { "id": "<vertex-id>", "name": "ClickEvent Source", "parallelism": 2, "status": "RUNNING", "start-time": 1564467066423, "end-time": -1, "duration": 374396, "tasks": { "CREATED": 0, "FINISHED": 0, "DEPLOYING": 0, "RUNNING": 2, "CANCELING": 0, "FAILED": 0, "CANCELED": 0, "RECONCILING": 0, "SCHEDULED": 0 }, "metrics": { "read-bytes": 0, "read-bytes-complete": true, "write-bytes": 5033461, "write-bytes-complete": true, "read-records": 0, "read-records-complete": true, "write-records": 166351, "write-records-complete": true } }, { "id": "<vertex-id>", "name": "Timestamps/Watermarks", "parallelism": 2, "status": "RUNNING", "start-time": 1564467066441, "end-time": -1, "duration": 374378, "tasks": { "CREATED": 0, "FINISHED": 0, "DEPLOYING": 0, "RUNNING": 2, "CANCELING": 0, "FAILED": 0, "CANCELED": 0, "RECONCILING": 0, "SCHEDULED": 0 }, "metrics": { "read-bytes": 5066280, "read-bytes-complete": true, "write-bytes": 5033496, "write-bytes-complete": true, "read-records": 166349, "read-records-complete": true, "write-records": 166349, "write-records-complete": true } }, { "id": "<vertex-id>", "name": "ClickEvent Counter", "parallelism": 2, "status": "RUNNING", "start-time": 1564467066469, "end-time": -1, "duration": 374350, "tasks": { "CREATED": 0, "FINISHED": 0, "DEPLOYING": 0, "RUNNING": 2, "CANCELING": 0, "FAILED": 0, "CANCELED": 0, "RECONCILING": 0, "SCHEDULED": 0 }, "metrics": { "read-bytes": 5085332, "read-bytes-complete": true, "write-bytes": 316, "write-bytes-complete": true, "read-records": 166305, "read-records-complete": true, "write-records": 6, "write-records-complete": true } }, { "id": "<vertex-id>", "name": "ClickEventStatistics Sink", "parallelism": 2, "status": "RUNNING", "start-time": 1564467066476, "end-time": -1, "duration": 374343, "tasks": { "CREATED": 0, "FINISHED": 0, "DEPLOYING": 0, "RUNNING": 2, "CANCELING": 0, "FAILED": 0, "CANCELED": 0, "RECONCILING": 0, "SCHEDULED": 0 }, "metrics": { "read-bytes": 20668, "read-bytes-complete": true, "write-bytes": 0, "write-bytes-complete": true, "read-records": 6, "read-records-complete": true, "write-records": 0, "write-records-complete": true } } ], "status-counts": { "CREATED": 0, "FINISHED": 0, "DEPLOYING": 0, "RUNNING": 4, "CANCELING": 0, "FAILED": 0, "CANCELED": 0, "RECONCILING": 0, "SCHEDULED": 0 }, "plan": { "jid": "<job-id>", "name": "Click Event Count", "nodes": [ { "id": "<vertex-id>", "parallelism": 2, "operator": "", "operator_strategy": "", "description": "ClickEventStatistics Sink", "inputs": [ { "num": 0, "id": "<vertex-id>", "ship_strategy": "FORWARD", "exchange": "pipelined_bounded" } ], "optimizer_properties": {} }, { "id": "<vertex-id>", "parallelism": 2, "operator": "", "operator_strategy": "", "description": "ClickEvent Counter", "inputs": [ { "num": 0, "id": "<vertex-id>", "ship_strategy": "HASH", "exchange": "pipelined_bounded" } ], "optimizer_properties": {} }, { "id": "<vertex-id>", "parallelism": 2, "operator": "", "operator_strategy": "", "description": "Timestamps/Watermarks", "inputs": [ { "num": 0, "id": "<vertex-id>", "ship_strategy": "FORWARD", "exchange": "pipelined_bounded" } ], "optimizer_properties": {} }, { "id": "<vertex-id>", "parallelism": 2, "operator": "", "operator_strategy": "", "description": "ClickEvent Source", "optimizer_properties": {} } ] } }
请参考REST API参考资料，了解可能查询的完整列表，包括如何查询不同范围的指标（如TaskManager指标）。
变体
你可能已经注意到，Click Event Count应用程序总是以--checkpointing和--event-time程序参数启动。通过在docker-compose.yaml的客户端容器的命令中省略这些，你可以改变Job的行为。
- --checkpointing启用了checkpoint，这是Flink的容错机制。如果你在没有它的情况下运行，并通过故障和恢复，你应该会看到数据实际上已经丢失了。
- --event-time 启用了你的 Job 的事件时间语义。当禁用时，作业将根据挂钟时间而不是ClickEvent的时间戳将事件分配给窗口。因此，每个窗口的事件数量将不再是精确的一千。
Click Event Count应用程序还有另一个选项，默认情况下是关闭的，你可以启用这个选项来探索这个作业在背压下的行为。你可以在docker-compose.yaml的客户端容器的命令中添加这个选项。
- -backpressure在作业中间增加了一个额外的操作者，在偶数分钟内会造成严重的背压（例如，在10:12期间，但在10:13期间不会）。这可以通过检查各种网络指标（如 outputQueueLength 和 outPoolUsage）和/或使用 WebUI 中的背压监控来观察。