点一下关注吧！！！非常感谢！！持续更新！！！
目前已经更新到了：
Hadoop（已更完）
HDFS（已更完）
MapReduce（已更完）
Hive（已更完）
Flume（已更完）
Sqoop（已更完）
Zookeeper（已更完）
HBase（已更完）
Redis （已更完）
Kafka（已更完）
Spark（已更完）
Flink（正在更新！）
章节内容
上节完成了如下的内容：
基础环境规划
集群规划
下载安装
Standalone模式启动
环境变量
vim /etc/profile export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop export YARN_CONF_DIR=$HADOOP_HOME/etc/hadoop export HADOOP_CLASSPATH=`hadoop classpath`
配置的结果如下图所示：
退出保存，并刷新环境变量。
yarn-site
cd /opt/servers/hadoop-2.9.2/etc/hadoop vim yarn-site.xml
我们需要在原来的基础上，写入一些新的内容：
<!-- YRAN Flink 相关 --> <property> <name>yarn.nodemanager.pmem-check-enabled</name> <value>false</value> </property> <property> <name>yarn.nodemanager.vmem-check-enabled</name> <value>false</value> </property> <property> <name>yarn.resourcemanager.address</name> <value>h123.wzk.icu:8032</value> </property> <property> <name>yarn.resourcemanager.scheduler.address</name> <value>h123.wzk.icu:8030</value> </property> <property> <name>yarn.resourcemanager.resource-tracker.address</name> <value>h123.wzk.icu:8031</value> </property>
配置样式如下图所示：
同步配置
我们需要在：
h121 节点
h122 节点
h123 节点
这三台机器上，都配置好一样的内容。
由于配置的过程基本重复，这里就跳过我配置的过程了，大致说一下需要配置的内容：
Flink环境
环境变量profile
yarn-site
停止Flink服务
停止Hadoop集群等服务
停止YARN集群等服务
重启Hadoop集群
重启YARN集群
我这里使用之前的 rsync-script 工具进行同步了：
漫长的等待之后，可以看到已经传输完毕了：
停止Hadoop
cd /opt/servers/hadoop-2.9.2/sbin stop-all.sh
h121
停止YARN集群
h123
h123节点执行（ResourceManager节点在这里）：
停止Flink
h121节点执行：
./stop-cluster.sh • 1
停止结果
h121
（还剩下一个ZK的服务，非必须，想结束的话也可以结束掉）
h122
h123
启动Hadoop集群
一切确认没有问题之后，我们就可以重新启动了。
h121
start-all.sh • 1
h122
h123
启动YARN集群
h123
为了防止YARN启动异常，我们需要到 h123 保证启动一次:
start-yarn.sh • 1
申请资源
查看帮助
cd /opt/servers/flink-1.11.1/bin/ ./yarn-session.sh -h • 1 • 2
可以看到该脚本的说明如下：
测试脚本1 申请资源
./yarn-session.sh -n 2 -tm 800 -s 1 -d
上面的脚本的含义是：
-n 表示申请2个容器 这里就是指多少个TaskManager
-s 表示每个TaskManager的Slots数量
-tm 表示每个 TaskManager的内存大小
-d 表示后台的方式运行程序
脚本1 解释
上面的脚本会向YARN申请3个Container，即便写的是2个，因为ApplicationMaster和JobManager有一个额外的容器，一旦将Flink部署到YARN集群中，就会显示JobManger的连接详细信息。
2个Container启动TaskManager -n 2，每个TaskManager拥有1个TaskSlots -s 1，并且向每个TaskManager的Container申请800M的内存，以及一个 ApplicationMaster jobManager
如果不想让Flink YRAN客户端始终运行，那么也可以启动分离的YARN会话，被参数被称为-d或–detached，这种情况下，Flink YARN客户端只会将Flink提交给集群，然后关闭它自己。
整个过程大概是：yarn-session.sh（开辟资源） + Flink run（提交任务）
使用Flink中的yarn-session，会启动两个必要服务JobManager和TaskManager
客户端通过Flink run提交作业
yarn-session 会一直启动，不停的接收客户端提交的作业
这种方式创建的Flink集群会独占资源
如果有大量的 作业/任务 较小、工作时间短，适合使用这种方式，减少资源创建的时间。
脚本1 执行结果
可以看到一些日志内容：
2024-07-24 16:34:33,236 WARN org.apache.flink.yarn.configuration.YarnLogConfigUtil [] - The configuration directory ('/opt/servers/flink-1.11.1/conf') already contains a LOG4J config file.If you want to use logback, then please delete or rename the log configuration file. 2024-07-24 16:34:33,381 INFO org.apache.hadoop.yarn.client.RMProxy [] - Connecting to ResourceManager at h123.wzk.icu/124.223.26.81:8032 2024-07-24 16:34:33,724 INFO org.apache.flink.runtime.util.config.memory.ProcessMemoryUtils [] - The derived from fraction jvm overhead memory (160.000mb (167772162 bytes)) is less than its min value 192.000mb (201326592 bytes), min value will be used instead 2024-07-24 16:34:33,734 INFO org.apache.flink.runtime.util.config.memory.ProcessMemoryUtils [] - The derived from fraction jvm overhead memory (172.800mb (181193935 bytes)) is less than its min value 192.000mb (201326592 bytes), min value will be used instead 2024-07-24 16:34:34,210 INFO org.apache.flink.yarn.YarnClusterDescriptor [] - The configured JobManager memory is 1600 MB. YARN will allocate 2048 MB to make up an integer multiple of its minimum allocation memory (1024 MB, configured via 'yarn.scheduler.minimum-allocation-mb'). The extra 448 MB may not be used by Flink. 2024-07-24 16:34:34,211 INFO org.apache.flink.yarn.YarnClusterDescriptor [] - The configured TaskManager memory is 1728 MB. YARN will allocate 2048 MB to make up an integer multiple of its minimum allocation memory (1024 MB, configured via 'yarn.scheduler.minimum-allocation-mb'). The extra 320 MB may not be used by Flink.
运行过程如下图所示：
测试脚本2 提交运行
我们也可以直接在YARN上提交运行Flink作业（Run a Flink job on YARN）
./flink run -m yarn-cluster -yn 2 -yjm 1024 -ytm 1024 /opt/wzk//WordCount.jar
上述参数的一些解释：
- -m JobManager 的地址
- -yn TaskManager的个数
- 停止 yarn-cluster
yarn application -kill application_xxxxxxxxx
脚本2 解释
