Flink单机和集群环境部署教程

目录

    • [一、Flink 单机环境部署](#一、Flink 单机环境部署)
      • [1. 环境准备](#1. 环境准备)
      • [2. 安装 Java](#2. 安装 Java)
      • [3. 下载并安装 Flink](#3. 下载并安装 Flink)
      • [4. 配置环境变量](#4. 配置环境变量)
      • [5. 配置 Flink](#5. 配置 Flink)
        • [配置 `flink-conf.yaml`](#配置 flink-conf.yaml)
        • [配置 `masters` 文件](#配置 masters 文件)
        • [配置 `workers` 文件](#配置 workers 文件)
      • [6. 启动 Flink](#6. 启动 Flink)
      • [7. 验证 Flink](#7. 验证 Flink)
      • 注意事项
    • [二、Flink 集群环境部署](#二、Flink 集群环境部署)
      • [1. 环境准备](#1. 环境准备)
      • [2. 配置 SSH 免密码登录](#2. 配置 SSH 免密码登录)
      • [3. 安装 Flink](#3. 安装 Flink)
      • [4. 配置 Flink 集群](#4. 配置 Flink 集群)
        • [配置 `flink-conf.yaml`](#配置 flink-conf.yaml)
        • [配置 `masters` 文件](#配置 masters 文件)
        • [配置 `workers` 文件](#配置 workers 文件)
      • [5. 启动 Flink 集群](#5. 启动 Flink 集群)
      • [6. 验证集群状态](#6. 验证集群状态)
      • 注意事项
    • [三、Flink 使用案例:Word Count](#三、Flink 使用案例:Word Count)
      • [使用 Java 实现 Flink Word Count](#使用 Java 实现 Flink Word Count)
        • [1. 编写 Java 程序](#1. 编写 Java 程序)
        • [2. 编译并打包 Java 程序](#2. 编译并打包 Java 程序)
        • [3. 运行 Java 程序](#3. 运行 Java 程序)
        • [4. 查看结果](#4. 查看结果)
      • [使用 Python 实现 Flink Word Count](#使用 Python 实现 Flink Word Count)
        • [1. 安装 Apache Beam](#1. 安装 Apache Beam)
        • [2. 编写 Python 程序](#2. 编写 Python 程序)
        • [3. 运行 Python 程序](#3. 运行 Python 程序)
        • [4. 查看结果](#4. 查看结果)
    • 总结

下面是 Apache Flink 的单机和集群环境部署教程,包含部署过程中的注意事项和一个使用案例。Apache Flink 是一个开源的流处理框架,用于处理实时数据流。

1. 环境准备

  • 操作系统:Linux(推荐 Ubuntu 20.04 或 CentOS 7)
  • Java:Flink 需要 Java 环境,推荐使用 OpenJDK 8 或 11。
  • Flink:下载并安装 Flink。

2. 安装 Java

在 Ubuntu 中:

bash 复制代码
sudo apt update
sudo apt install openjdk-11-jdk

在 CentOS 中:

bash 复制代码
sudo yum install java-11-openjdk

验证 Java 安装:

bash 复制代码
java -version

访问 Flink 官网 下载最新版本的 Flink。

bash 复制代码
wget https://downloads.apache.org/flink/flink-1.16.2/flink-1.16.2-bin-scala_2.12.tgz
tar -xzvf flink-1.16.2-bin-scala_2.12.tgz
mv flink-1.16.2 /usr/local/flink

4. 配置环境变量

编辑 ~/.bashrc 文件,添加以下内容:

bash 复制代码
export FLINK_HOME=/usr/local/flink
export PATH=$PATH:$FLINK_HOME/bin
export JAVA_HOME=/usr/lib/jvm/java-11-openjdk-amd64

应用更改:

bash 复制代码
source ~/.bashrc

编辑 Flink 的配置文件,位于 $FLINK_HOME/conf

  • taskmanager.memory.process.size:任务管理器的内存配置。
  • jobmanager.rpc.address:JobManager 的主机地址。
yaml 复制代码
jobmanager.rpc.address: localhost
taskmanager.memory.process.size: 1024m
配置 masters 文件

在单机模式下,默认配置即可,无需修改。

配置 workers 文件

在单机模式下,默认配置即可,无需修改。

bash 复制代码
start-cluster.sh

访问 Flink Dashboard,确保 Flink 正常运行:

注意事项

  • 确保 Java 和 Flink 环境配置正确
  • 检查防火墙设置,确保 Flink 的端口可访问。
  • 内存配置 :根据实际需求调整 flink-conf.yaml 中的内存配置。

1. 环境准备

  • 多台服务器:至少 3 台(1 个 JobManager,2 个 TaskManager)。
  • 网络:确保各节点之间可以互相访问。
  • 操作系统:Linux(Ubuntu 或 CentOS)。
  • Java:在所有节点上安装 Java。
  • Flink:在所有节点上安装 Flink。

2. 配置 SSH 免密码登录

在 JobManager 节点上生成 SSH 密钥:

bash 复制代码
ssh-keygen -t rsa

将公钥复制到所有 TaskManager 节点:

bash 复制代码
ssh-copy-id user@taskmanager1
ssh-copy-id user@taskmanager2

在所有节点上安装 Flink,步骤与单机安装相同。

在所有节点上编辑 $FLINK_HOME/conf/flink-conf.yaml,配置如下内容:

yaml 复制代码
jobmanager.rpc.address: master
taskmanager.numberOfTaskSlots: 2
parallelism.default: 1
taskmanager.memory.process.size: 1024m
  • jobmanager.rpc.address:设置为 JobManager 的主机名。
  • taskmanager.numberOfTaskSlots:每个 TaskManager 的任务槽数量。
  • parallelism.default:默认的并行度。
配置 masters 文件

在 JobManager 节点上编辑 $FLINK_HOME/conf/masters 文件,添加 JobManager 的主机名:

plaintext 复制代码
master:8081
配置 workers 文件

在 JobManager 节点上编辑 $FLINK_HOME/conf/workers 文件,添加所有 TaskManager 节点的主机名:

plaintext 复制代码
taskmanager1
taskmanager2

在 JobManager 节点上启动 Flink 集群:

bash 复制代码
start-cluster.sh

6. 验证集群状态

访问 Flink Dashboard,确保所有节点正常运行:

注意事项

  • 确保 SSH 配置正确,JobManager 节点需要通过 SSH 无密码访问 TaskManager 节点。
  • 内存和资源配置 :根据实际需求调整 flink-conf.yaml 中的资源配置。
  • 时钟同步 :使用 ntpdchrony 确保所有节点的时钟同步。
  • 网络配置:确保各节点之间的网络连接正常。
1. 编写 Java 程序
java 复制代码
import org.apache.flink.api.java.ExecutionEnvironment;
import org.apache.flink.api.java.tuple.Tuple2;
import org.apache.flink.api.java.utils.ParameterTool;
import org.apache.flink.core.fs.FileSystem;

import java.util.Arrays;

public class WordCount {

    public static void main(String[] args) throws Exception {
        // 获取运行参数
        final ParameterTool params = ParameterTool.fromArgs(args);

        // 设置执行环境
        final ExecutionEnvironment env = ExecutionEnvironment.getExecutionEnvironment();

        // 从输入文件中读取数据
        env.readTextFile(params.get("input"))
                // 拆分成单词
                .flatMap((String value, Collector<Tuple2<String, Integer>> out) -> {
                    Arrays.stream(value.split("\\W+"))
                          .forEach(word -> out.collect(new Tuple2<>(word, 1)));
                })
                .returns(TupleTypeInfo.getBasicTupleTypeInfo(String.class, Integer.class))
                // 按单词分组
                .groupBy(0)
                // 统计每个单词的出现次数
                .sum(1)
                // 将结果保存到输出文件
                .writeAsCsv(params.get("output"), FileSystem.WriteMode.OVERWRITE);

        // 执行程序
        env.execute("Word Count Example");
    }
}
2. 编译并打包 Java 程序

确保你已经安装了 Maven,并在 pom.xml 文件中配置了 Flink 依赖:

xml 复制代码
<dependency>
    <groupId>org.apache.flink</groupId>
    <artifactId>flink-java</artifactId>
    <version>1.16.2</version>
</dependency>
<dependency>
    <groupId>org.apache.flink</groupId>
    <artifactId>flink-streaming-java_2.12</artifactId>
    <version>1.16.2</version>
</dependency>

编译并打包:

bash 复制代码
mvn clean package
3. 运行 Java 程序

将输入文件上传到 HDFS 或本地文件系统:

bash 复制代码
hdfs dfs -put localfile.txt /user/flink/input

运行 Flink 应用:

bash 复制代码
flink run -c com.example.WordCount target/wordcount-1.0-SNAPSHOT.jar --input /user/flink/input --output /user/flink/output
4. 查看结果
bash 复制代码
hdfs dfs -cat /user/flink/output/part-00000

可以使用 Apache Beam 的 Python API 来实现 Flink 版的 Word Count。

1. 安装 Apache Beam
bash 复制代码
pip install apache-beam
2. 编写 Python 程序

创建 wordcount.py

python 复制代码
import apache_beam as beam
from apache_beam.options.pipeline_options import PipelineOptions

def run():
    # 创建 PipelineOptions
    options = PipelineOptions(
        runner='FlinkRunner',
        flink_master='localhost:8081',
        environment_type='LOOPBACK'
    )

    # 创建管道
    with beam.Pipeline(options=options) as p:
        # 读取输入文件
        (p
         | 'Read' >> beam.io.ReadFromText('input.txt')
         | 'Split' >> beam.FlatMap(lambda x: x.split())
         | 'PairWithOne' >> beam.Map(lambda x: (x, 1))
         | 'GroupAndSum' >> beam.CombinePerKey(sum)
         | 'Write' >> beam.io.WriteToText('output.txt')
        )

if __name__ == '__main__':
    run()
3. 运行 Python 程序
bash 复制代码
python wordcount.py
4. 查看结果
bash 复制代码
cat output.txt-00000-of-00001

总结

通过以上步骤,我们成功部署了 Flink 单机和集群环境,并实现了一个简单的 Word Count 应用。Flink 提供了强大的流处理和批处理能力,可以在多种场景下处理实时数据。

部署过程中的注意事项

  • 确保 Java 和 Flink 环境配置正确
  • 检查网络配置,确保各节点之间的通信正常。
  • 合理分配资源,根据集群规模和任务需求调整 Flink 的资源配置。
  • 时钟同步 :使用 ntpdchrony 确保所有节点的时钟同步。
  • 监控集群状态,定期检查节点状态和资源使用情况,及时处理故障节点。

通过合理配置和优化,Flink 可以在多种场景下提供高效的流处理和批处理能力,为大规模数据处理提供强有力的支持。

相关推荐
Acrelhuang5 分钟前
安科瑞5G基站直流叠光监控系统-安科瑞黄安南
大数据·数据库·数据仓库·物联网
皓74114 分钟前
服饰电商行业知识管理的创新实践与知识中台的重要性
大数据·人工智能·科技·数据分析·零售
Mephisto.java16 分钟前
【大数据学习 | kafka高级部分】kafka的kraft集群
大数据·sql·oracle·kafka·json·hbase
Mephisto.java18 分钟前
【大数据学习 | kafka高级部分】kafka的文件存储原理
大数据·sql·oracle·kafka·json
W Y1 小时前
【架构-37】Spark和Flink
架构·flink·spark
ycsdn101 小时前
Caused by: org.apache.flink.api.common.io.ParseException: Row too short:
大数据·flink
DolphinScheduler社区2 小时前
Apache DolphinScheduler + OceanBase,搭建分布式大数据调度平台的实践
大数据
时差9533 小时前
MapReduce 的 Shuffle 过程
大数据·mapreduce
kakwooi4 小时前
Hadoop---MapReduce(3)
大数据·hadoop·mapreduce
数新网络4 小时前
《深入浅出Apache Spark》系列②:Spark SQL原理精髓全解析
大数据·sql·spark