如何构建、部署运行Flink程序

一、构建Flink程序

构建一个Flink程序有两种方式

方式一：构建 maven 工程，导入流式应用依赖包

<!-- 基础依赖 -->
<dependency>
    <groupId>org.apache.flink</groupId>
    <artifactId>flink-java</artifactId>
    <version>${flink.version}</version>
    <scope>provided</scope>
</dependency>
 
 <!-- DataStream -->
<dependency>
  <groupId>org.apache.flink</groupId>
  <artifactId>flink-streaming-java_2.11</artifactId>
  <version>1.11.3</version>
  <scope>provided</scope>
</dependency>
  

方式二：基础环境构建直接使用快捷命令【推荐在Mac或者Linux上使用】

curl https://flink.apache.org/q/quickstart.sh | bash -s 1.11.3
 
* -s 构建 flink 版本

Flink程序一般的开发步骤
构建完成Flink程序之后就可以开发程序了，开发一个Flink程序的一般步骤：

1. Obtain an execution environment,（构建流执行环境）
2. Load/create the initial data,（加载初始化的数据）
3. Specify transformations on this data,（指定此数据的转换）
4. Specify where to put the results of your computations,（指定计算结果的放置位置）
5. Trigger the program execution（触发程序执行）

二、快速上手Flink程序

批处理案例：

//批处理 (DataSet) 支持离线数据
public class WordCount {
    public static void main(String[] args)  throws Exception{
        //创建执行环境
        ExecutionEnvironment env=ExecutionEnvironment.getExecutionEnvironment();

        //从文件中读取数据
        String inputPath="text.txt";
        DataSet<String> inputDataSet = env.readTextFile(inputPath);

        //对数据集进行处理
       DataSet<Tuple2<String,Integer>>  resultSet = inputDataSet.flatMap(new MyflatMapper())
                //按照第一个位置对word分组
                .groupBy(0)
                //将第二个位置上对数据求和
                .sum(1);
        resultSet.print();
    }

    //自定义类实现FlatMapFunction
    public static class MyflatMapper implements FlatMapFunction<String,Tuple2<String,Integer>> {

        @Override
        public void flatMap(String value, Collector<Tuple2<String, Integer>> out) throws Exception {
            //按空格分词
            String[] words=value.split(" ");
            //遍历所有ord,包成二元组
            for(String word:words){
                out.collect(new Tuple2<>(word,1));
            }
        }
    }
}

本地运行结果展示：

---

流处理案例：

//流处理 （DataStream）支持实时数据
public class StreamWordCount {
    /**
     * @author ZhaoPan
     * @createTime 2022/3/2
     * @description
     */
    public static void main(String[] args) throws Exception {
        //创建流处理环境
        StreamExecutionEnvironment env=StreamExecutionEnvironment.getExecutionEnvironment();
        //设置并行度 相当于8个线程
        //env.setParallelism(2);

        //从文件中读取数据
	 	String inputPath="text.txt";
        DataStream<String> inputDataSream = env.readTextFile(inputPath);



        //基于数据流进行转换计算
        DataStream<Tuple2<String, Integer>> resultStream = inputDataSream.flatMap(new WordCount.MyflatMapper())
                .keyBy(0)
                .sum(1);

        resultStream.print();

        //执行任务
        env.execute();
    }
}

本地运行结果：

三、运行部署Flink程序

此处介绍两种部署Flink程序的方式：

方式一：Standalone 模式 单机【本地测试推荐】【重点】
1、官网下载 flink 包：https://flink.apache.org/downloads.html#update-policy-for-old-releases

2、解压 flink-1.10.2-bin-scala_2.12 进入到 conf 目录，修改配置

# jobmanager节点可用的内存大小。
jobmanager.heap.size: 1024m
 
# The heap size for the TaskManager JVM
# taskmanager节点可用的内存代大小。
taskmanager.heap.size: 1024m
 
# The number of task slots that each TaskManager offers. Each slot runs one parallel pipeline.
# 每台机器可用的cpu数量
taskmanager.numberOfTaskSlots: 1
 
# The parallelism used for programs that did not specify and other parallelism.
# 默认情况下任务的并行度
parallelism.default: 1
 
slot 和 parallelism 总结：
1、slot 是静态的概念，是指 taskmanager 具有的并发执行能力
2、parallelism 是动态的概念，是指程序运行实际使用的并发能力
3、设置合适的 parallelism 来提高运算效率（kafka 应用一般和 partition 一一对应或成倍数关系配置）

---

flink从 1.8.0 版本开始，移除了对 hadoop 版本的依赖，在客户端包中需要提前将 hadoop 依赖添加到 flink 客户端 lib/ 目录下

---

==注意：此处下载完flink对应的tar包后，还需要下载hadoop的jar包，最后将jar包放入lib目录==

3、启动

进入bin目录 键入 ./start-cluster.sh

4、访问

==注：我这里是将服务部署在自己的服务器上,访问的时候通过IP+端口访问，本地的话就是localhost:8081==

http://IP地址:8081

至此就可以访问到如下前端页面，可以对 flink 集群和任务进行监控管理。

5、提交任务

• 后台命令方式提交：bin/flink run -h
• 打成jar包，前端提交
  

---

方式二：Yarn

以 Yarn 模式部署 Flink 任务时，要求 Flink 是有 Hadoop 支持的版本，Hadoop环境需要保证版本在 2.2 以上，并且集群中安装有 HDFS 服务。

Flink 提供了两种在 yarn 上运行的模式，分别为 Session-Cluster 和 Per-Job-Cluster模式。

模式一：yarn-session

• 原理：在 yarn 中初始化一个 flink 集群，开辟指定的资源，以后提交任务都向这里提交。这个 flink 集群会常驻在 yarn集群中，除非手工停止。当资源不足时，后提交的任务会进入等待，直到有任务结束释放资源
• 适用场景：适合规模小执行时间短的作业
  

部署运行步骤：

1、启动 yarn-session

bin/yarn-session.sh -n 2 -s 2 -jm 1024 -tm 1024 -nm test -d
 
参数解读：
-n(--container)：TaskManager的数量。
-s(--slots)：每个TaskManager的slot数量，默认一个slot一个core，默认每个taskmanager的slot的个数为1，有时可以多一些taskmanager，做冗余。
-jm：JobManager的内存（单位MB)。
-tm：每个taskmanager的内存（单位MB)。
-nm：yarn 的appName(现在yarn的ui上的名字)。
-d：后台执行。

2、启动任务

./bin/flink run ./examples/streaming/TopSpeedWindowing.jar

---

模式二：yarn-cluster【日常使用频次最高方式】

• 原理：提交任务的时候创建新的 Application，用来运行程序，如果没有任务就不用创建
• 适用场景：大型批任务，复杂性高、数据量大流式任务

启动任务

./bin/flink run -m yarn-cluster -yn 2 ./examples/batch/WordCount.jar -input hdfs://hostname:port/hello.txt -output hdfs://hostname:port/result1

---