Flink集群的搭建_taskmanager.host

1、Flink独立集群模式

        1、首先Flink的独立集群模式是不依赖于Hadoop集群。

        2、上传压缩包，配置环境：

1、解压：
tar -zxvf flink-1.15.2-bin-scala_2.12.tgz
 
2、配置环境变量：
 
vim /etc/profile
 
export FLINK_HOME=/usr/local/soft/flink-1.15.2
export PATH=$FLINK_HOME/bin:$PATH
 
3、配置文件生效
 
source /etc/profile
 

        3、修改配置文件 

# 1、进入flink配置文件所在的位置
cd /usr/local/soft/flink-1.15.2/conf
 
# 1、修改flink-conf.yaml
vim flink-conf.yaml
# 修改配置
jobmanager.rpc.address: master    #jobmanager的地址，选择那台机器作主节点
jobmanager.bind-host: 0.0.0.0	  #0.0.0.0 表示的任何的节点都可以访问主节点
 
taskmanager.bind-host: 0.0.0.0		
taskmanager.host: localhost		   #表示的是从节点的
taskmanager.numberOfTaskSlots: 1	#指定槽位的个数，用来执行Task任务
 
rest.address: master
rest.bind-address: 0.0.0.0
 
# 2、修改masters
vim masters
# 修改配置
master:8081
 
# 3、修改workers
vim workers
# 修改配置
node1
node2

        4、分发到所有的服务器中：

scp -r flink-1.15.2/  node1:`pwd`
scp -r flink-1.15.2/  node2:`pwd`
 
# 分发之后需要单独修改node1和node2中taskmanager.host
 
taskmanager.host: node1
taskmanager.host: node2

        5、启动集群：

# 在master中执行启动命令
start-cluster.sh
 
# web ui
http://master:8081
 
# 关闭集群
stop-cluster.sh

        6、将任务提交到集群上的命令：

                1、将任务提交到集群上的第一种方式：

 
    1、首先将代码上传到服务器中：
    flink-1.0.jar
 
    2、提交flink任务
    flink run -c 主类的名称 jar包的名称

                2、将任务提交到flink集群上的第二种方式：在flink的web界面手动提交任务

                             a、点击Submit New Job 

                               b、点击Add New，上传jar包

                                c、指定任务的主类名称、指定任务的并行度，提交任务

2、Flink ON Yarn模式

        1、就是将flink任务提交到yarn上运行，不过在使用on yarn模式的时候需要注意的是需要将Flink中的独立模式关闭，并启动Hadoop。

Flink的独立集群模式和ON Yarn的模式只能使用一种，所以需要将独立集群模式关闭，并开启Hadoop
stop-cluster.sh
start-all.sh
 

        2、配饰hadoop的hadoop classpath

# 修改/etc/profile
vim /etc/profile
 
# 在最后增加配置文件
export HADOOP_CLASSPATH=`hadoop classpath`   #指的是获取Hadoop依赖包的路径
 
并且这个配置文件必须放在配置文件的最后一行
 
source /etc/profile

        3、Flink ON Yarn的三种模式：

                1、per job mode：

1、类似于Spark  on yarn的client的模式

2、如果出现错误，在本地是可以看见部分的错误

例如：在使用socket模拟实时的时候，突然关闭socket服务，此时错误的部分原因就会在客户端打印出来。

3、在本地执行main函数，构建的DataFlow图，再将DataFlow提交到JobManager上去运行

4、每一个Flink任务都是单独申请资源，启动一个JobManager和多个TaskManager，人物之间是不影响的。

提交任务：
flink run -t yarn-per-job -c 主类名 jar包的名称
 
 
对于ONE Yarn中的流处理，因为是流处理，所以进程是不会自动的停止，关闭Yarn上面进程的指令：
yarn  application  -kill 进程号
 
 
获取yarn中进程的logs日志的指令：
 
yarn  logs -applicationID 进程号

                2、application mode：

1、相当于Spark on yarn 中的cluster模式

2、在本地是看不见错误的

因为此时的错误在Yarn上，可以通过查看yarn上的日志来找出错误
 
 
获取yarn中进程的logs日志的指令：
 
yarn  logs -applicationID 进程号
 
也可以将日志写入到一个文件中，然后拉去到桌面上去查看：
yarn  logs -applicationID 进程号 >> 指定的文件
 
 

3、main函数是在JobManager中执行的，本地只需要负责提交任务

4、每一个Flink任务都是单独申请资源，启动一个JobManager和多个TaskManager，人物之间是不影响的。

5、可以用于生产环境

提交代码：
flink run-application -t yarn-application -c 主类名 jar包的名称

                3、session mode：

1、会现在yarn中申请一个资源启动JobManager，在来提交任务

2、提交任务会共用一个JobManager，动态的申请TaskManager，任务取消，TaskManager就会被释放。前面的两种模式都是一次只会服务一个任务，但是这个可以同时启动多个任务，此时就会产生一个问题，那就是如果其中某一个任务失败的化，那么后面的任务可能都会失败。

3、一般用于测试环境

1、启动session集群
yarn-session.sh -d
 
 
2、提交任务
flink run -t yarn-session  -Dyarn.application.id= 进程号 -c 主类名  jar包名称

也可以使用Web来提交任务，功能与独立集群的模式基本一致，但是不同的是他是建立在Yarn的模式上。

4、模式的抉择：

        1、如果业务的要是是实时的业务，那么就选择独立集群模式，因为yarn是基于Hadoop，适合做离线的

        2、如果一直使用的Hadoop，但是想要结合Flink，可以选择 on yarn的模式。