Flink快速入门

文章目录

• 1 安装：下载并启动
  • 1.1 下载
  • 1.2 启动一个local模式的Flink集群
• 2 运行例子
• 3 集群模式安装
• 4 Flink on YARN

安装：下载并启动

　　Flink可以在Linux、Mac OS X以及Windows上运行。为了能够运行Flink，唯一的要求是必须安装Java 7.x或者更高版本。对于Windows用户来说，请参考 Flink on Windows 文档，里面介绍了如何在Window本地运行Flink。

下载

　　从下载页面（http://flink.apache.org/downloads.html）下载所需的二进制包。你可以选择任何与 Hadoop/Scala 结合的版本。比如 Flink for Hadoop 2。

启动一个local模式的Flink集群

启动一个local模式的Flink集群非常地简单，我们可以按照以下的步骤来操作：

　　1、进入到下载的目录；
　　2、解压下载的文件；
　　3、启动Flink。

操作命令如下：

$ cd ~/Downloads        # Go to download directory

$ tar xzf flink-*.tgz   # Unpack the downloaded archive

$ cd flink-1.0.0

$ bin/start-local.sh    # Start Flink

打开https://www.iteblog.com:8081检查Jobmanager和其他组件是否正常运行。Web前端应该显示了只有一个可用的 TaskManager。

运行例子

现在，我们来运行SocketTextStreamWordCount例子，它从socket中获取文本，然后计算每个单词出现的次数。操作步骤如下：

1、首先，我们使用netcat来启动本地服务器：

$ nc -l -p 9000

2、然后我们就可以提交Flink程序了：

$ bin/flink run examples/streaming/SocketTextStreamWordCount.jar

  --hostname localhost

  --port 9000

 

Printing result to stdout. Use --output to specify output path.

04/05/2016 16:03:36 Job execution switched to status RUNNING.

04/05/2016 16:03:36 Source: Socket Stream -> Flat Map(1/1) switched to SCHEDULED

04/05/2016 16:03:36 Source: Socket Stream -> Flat Map(1/1) switched to DEPLOYING

04/05/2016 16:03:36 Keyed Aggregation -> Sink: Unnamed(1/1) switched to SCHEDULED

04/05/2016 16:03:36 Keyed Aggregation -> Sink: Unnamed(1/1) switched to DEPLOYING

04/05/2016 16:03:36 Keyed Aggregation -> Sink: Unnamed(1/1) switched to RUNNING

04/05/2016 16:03:36 Source: Socket Stream -> Flat Map(1/1) switched to RUNNING

04/05/2016 17:00:43 Source: Socket Stream -> Flat Map(1/1) switched to FINISHED

04/05/2016 17:00:43 Keyed Aggregation -> Sink: Unnamed(1/1) switched to FINISHED

04/05/2016 17:00:43 Job execution switched to status FINISHED.

这个程序和socket进行了连接，并等待输入。我们可以在WEB UI中检查Job是否正常运行：

 

3、计数会打印到标准输出stdout。监控JobManager的输出文件(.out文件)，并在nc中敲入一些单词：

$ nc -l -p 9000

lorem ipsum

ipsum ipsum ipsum

bye

.out 文件会立即打印出单词的计数：

$ tail -f log/flink-*-jobmanager-*.out

(lorem,1)

(ipsum,1)

(ipsum,2)

(ipsum,3)

(ipsum,4)

(bye,1)

要停止 Flink，只需要运行：

$ bin/stop-local.sh

  

集群模式安装

　　在集群上运行 Flink 是和在本地运行一样简单的。需要先配置好 SSH 免密码登录 和保证所有节点的目录结构是一致的，这是保证我们的脚本能正确控制任务启停的关键。然后我们就可以按照下面步骤来操作：

　　1、在每台节点上，复制解压出来的 flink 目录到同样的路径下。
　　2、选择一个 master 节点 (JobManager) 然后在 conf/flink-conf.yaml 中设置 jobmanager.rpc.address 配置项为该节点的 IP 或者主机名。确保所有节点有有一样的 jobmanager.rpc.address 配置。
　　3、将所有的 worker 节点 （TaskManager）的 IP 或者主机名（一行一个）填入 conf/slaves 文件中。

现在，你可以在 master 节点上启动集群：bin/start-cluster.sh。

下面的例子阐述了三个节点的集群部署（IP地址从 10.0.0.1 到 10.0.0.3，主机名分别为 master, worker1, worker2）。并且展示了配置文件，以及所有机器上一致的可访问的安装路径。

 

访问https://ci.apache.org/projects/flink/flink-docs-release-1.0/setup/config.html查看更多可用的配置项。为了使 Flink 更高效的运行，还需要设置一些配置项。

以下都是非常重要的配置项：

　　1、TaskManager 总共能使用的内存大小（taskmanager.heap.mb）
　　2、每一台机器上能使用的 CPU 个数（taskmanager.numberOfTaskSlots）
　　3、集群中的总 CPU 个数（parallelism.default）
　　4、临时目录（taskmanager.tmp.dirs）

Flink on YARN

你可以很方便地将 Flink 部署在现有的YARN集群上，操作如下：

　　1、下载 Flink Hadoop2 包: Flink with Hadoop 2
　　2、确保你的 HADOOP_HOME (或 YARN_CONF_DIR 或 HADOOP_CONF_DIR) __环境变量__设置成你的 YARN 和 HDFS 配置。
　　3、运行 YARN 客户端：./bin/yarn-session.sh 。你可以带参数运行客户端 -n 10 -tm 8192 表示分配 10 个 TaskManager，每个拥有 8 GB 的内存。