Flink on Yarn的两种运行方式

关注

原创最新推荐文章于 2026-07-02 13:56:32 发布 227 阅读 AI 写同款· GEO 优化 ›

Flink的多种提交方式 Flink的多种提交/运行方式 Flink具有多种提交方式，比如：常用的local模式，stantalone模式，yarn模式，k8s等。这里主要对比local，stantalone，yarn三种提交方式。一、本地（local）模式，仅开发使用 1.1 纯粹的local模式运行这就是直接运行项目中的代码的方式提交： public class TestLocal { public st... 阅读详情

Flink安装步骤:
环境配置需要jdk1.8以上

解压缩flink压缩包至opt目录下

配置flink的配置文件: conf/flink-conf.yaml

1.编辑

JobManager runs. 主节点所在ip

jobmanager.rpc.address: 192.168.1.201

The RPC port where the JobManager is reachable. 集群内部的通信端口

jobmanager.rpc.port: 6123

The heap size for the JobManager JVM 主节点的运行内存

jobmanager.heap.size: 1024m

The heap size for the TaskManager JVM 从节点运行内存

taskmanager.heap.size: 4096m

The number of task slots that each TaskManager offers. Each slot runs one parallel pipeline.运行槽数最好与核心线程数一致

taskmanager.numberOfTaskSlots: 4

The parallelism used for programs that did not specify and other parallelism. 并行数为1

parallelism.default: 1

配置flink/conf/masters/

localhost:8081

配置flink/conf/slaves/

server1
server3
server4
server5
server6

参考https://ci.apache.org/projects/flink/flink-docs-release-1.6/ops/deployment/cluster_setup.html

flink启动./bin/yarn-session.sh
此时会报一个错误,没有类异常,需要导入zookeeper/lib下面的相关依赖包到flink/lib

flink也可以加入ambari的界面管理

参考https://github.com/abajwa-hw/ambari-flink-service

tips:里面的

ambari-flink-service/configuration/flink-ambari-config.xml

里的最后一个配置

<property>

		 <name>flink_download_url</name>

		<value>hhttp://www.us.apache.org/dist/flink/flink-1.2.0/flink-1.2.0-bin-hadoop2-scala_2.11.tgz</value>

		<description>Snapshot download location. Downloaded when setup_prebuilt is true</description>

</property>

这里由于是在内网的环境内搭建所以无法下载包需要先将对应的版本flink下载好并把连接指向包所在的位置

Flink on Yarn的两种运行方式
第一种【yarn-session.sh(开辟资源)+flink run(提交任务)】
•启动一个一直运行的flink集群

•./bin/yarn-session.sh -n 2 -jm 1024 -tm 1024 [-d]

•附着到一个已存在的flink yarn session

•./bin/yarn-session.sh -id application_1463870264508_0001

•执行任务

•./bin/flink run ./data/batch/WordCount.jar -input hdfs://hadoop00:9000/LICENSE -output hdfs://hadoop00:9000/wordcount-result.txt

•停止任务【web界面或者命令行执行cancel命令】

第二种【flink run -m yarn-cluster(开辟资源+提交任务)】
•启动集群，执行任务

•./bin/flink run -m yarn-cluster -yn 2 -yjm 1024 -ytm 1024 ./data/batch/WordCount.jar

注意：client端必须要设置YARN_CONF_DIR或者HADOOP_CONF_DIR或者HADOOP_HOME环境变量，通过这个环境变量来读取YARN和HDFS的配置信息，否则启动会失败

./bin/yarn-session.sh 命令分析
用法:

必选

 -n,--container <arg>   分配多少个yarn容器 (=taskmanager的数量)

可选

 -D <arg>                        动态属性 

 -d,--detached                   独立运行 

 -jm,--jobManagerMemory <arg>    JobManager的内存 [in MB] 

 -nm,--name                     在YARN上为一个自定义的应用设置一个名字 

 -q,--query                      显示yarn中可用的资源 (内存, cpu核数) 

 -qu,--queue <arg>               指定YARN队列. 

 -s,--slots <arg>                每个TaskManager使用的slots数量 

 -tm,--taskManagerMemory <arg>   每个TaskManager的内存 [in MB] 

 -z,--zookeeperNamespace <arg>   针对HA模式在zookeeper上创建NameSpace

 -id,--applicationId <yarnAppId>        YARN集群上的任务id，附着到一个后台运行的yarn session中

./bin/flink run 命令分析
run [OPTIONS]

• “run” 操作参数:

•-c,–class 如果没有在jar包中指定入口类，则需要在这里通过这个参数指定

•-m,–jobmanager host:port 指定需要连接的jobmanager(主节点)地址，使用这个参数可以指定一个不同于配置文件中的jobmanager

•-p,–parallelism 指定程序的并行度。可以覆盖配置文件中的默认值。

默认查找当前yarn集群中已有的yarn-session信息中的jobmanager【/tmp/.yarn-properties-root】：

•./bin/flink run ./data/batch/WordCount.jar -input hdfs://hostname:port/hello.txt -output hdfs://hostname:port/result1

连接指定host和port的jobmanager：

•./bin/flink run -m hadoop00:1234 ./data/batch/WordCount.jar -input hdfs://hostname:port/hello.txt -output hdfs://hostname:port/result1

启动一个新的yarn-session：

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

•注意：yarn session命令行的选项也可以使用./bin/flink 工具获得。它们都有一个y或者yarn的前缀

•例如：./bin/flink run -m yarn-cluster -yn 2 ./data/batch/WordCount.jar

Flink 在yarn上的分布
Flink on Yarn

•ResourceManager

•NodeManager

•AppMater(jobmanager和它运行在一个Container中)

•Container(taskmanager运行在上面)

使用on-yarn的好处

•提高集群机器的利用率

•一套集群，可以执行MR任务，spark任务，flink任务等…

JobManager 高可用(HA)
1、说明

jobManager协调每个flink任务部署。它负责任务调度和资源管理。默认情况下，每个flink集群只有一个JobManager，这将导致一个单点故障(SPOF)：如果JobManager挂了，则不能提交新的任务，并且运行中的程序也会失败。使用JobManager HA，集群可以从JobManager故障中恢复，从而避免SPOF(单点故障) 。用户可以在standalone或 YARN集群模式下，配置集群高可用

2、配置步骤

Standalone集群的高可用

•Standalone模式（独立模式）下JobManager的高可用性的基本思想是，任何时候都有一个 Master JobManager ，并且多个Standby JobManagers 。 Standby JobManagers可以在Master JobManager 挂掉的情况下接管集群成为Master JobManager。这样保证了没有单点故障，一旦某一个Standby JobManager接管集群，程序就可以继续运行。 Standby JobManager和Master JobManager实例之间没有明确区别。每个JobManager都可以成为Master或Standby节点

Yarn 集群高可用

•flink on yarn的HA 其实主要是利用yarn自己的job恢复机制