如何使用实时计算提交和管理 Flink 任务|学习笔记

本文涉及的产品
实时计算 Flink 版,5000CU*H 3个月
简介: 快速学习 如何使用实时计算提交和管理 Flink 任务

开发者学堂课程【《实时计算 Flink 版中级课程》:如何使用实时计算提交和管理 Flink 任务】学习笔记,与课程紧密联系,让用户快速学习知识。

课程地址:https://developer.aliyun.com/learning/course/806/detail/13882


如何使用实时计算提交和管理 Flink 任务

目录
1.VVP 基本概念

2.JAR 任务提交

3.SQL 任务提交

4.Metrics & Log


一、VVP 基本概念

基本概念-

Deployment

·作业描述

·任务类型(IAR 和 SQL)

· flink 版本和配置(flink configuration)

·CPU 和内存 Uobmanager/askmanager)

·恢复策略 (Restore Strategy)

·期望状态(Desired)和实际状态(Current)

· RUNNING, CANCELED, SUSPENDED

· TRANSTIONING, FINISHED, FAILED

基本概念-Draft

·任务的开发态

·新建 Draft->上线(转 Deployment)->运维(其他操作)

基本概念-Job

·源自 Deployment(Deployment 的一个作业实例)

·对应一个具体的 EIink Job


二、JAR 任务提交

Jar 打包上传

·社区 top window 代码本地打包

https:/github com/apachefink/tree/master/flink-examples/link-examples-streaming

·htps://repol.maven org/mavenZ/org/apache/flink

/flink-examples-streaming2111.12.2/ink-examples-streaming 211-1122-TopSpeedWindowingiar

·artifacts 上传,删除,覆盖

上线 Draft

·点击"上线"

Deployment 基本操作

·作业的启停

·Deployment 详情页概览

Deployment 配置

·模版模式(基础、高级)YAML 模式编辑

Deployment  其他操作

·基本操作

· sart, cancdl. wvpend, wepont, fox、dee

·升级与恢复

·restore(svepoint hedpoint, none)

·作业换照的使用,从历史 yavepcim 恢复(从 sp fok)

·运堆

·详情页 Metic

·Flnk UI

基本概念-Session Cluster

·资源共享,复用 JobManager,节省小作业资源消耗

·任务启动速度快,适用于作业运行时间较短的场景

品 Session 集群

提交任务到 Session 集群

·系统管理->Session 集群

·Deployment 的部署目标选择 Session 集群

3. SQL 任务提交

基本概念-SQL 分类

·DDL

·数据定义语言(create table/view/index/syn/cluster)

.DQL

· 数据查询语言(select* from xx where xx)

·DML

·数据操纵语言(insert/update/delete)

·DCL

·数据控制语言(grant/rollack/commit)

基本概念-Catalog

·管理元数据

·表 Catalog.DB.Table

·函数∶UDFUDTFUDAF

语法说明-注册函数

● 上传 UDF JAR包

●可下载 http//fa2020.osS-cn-bejingaliyuncscom/ud10jar 到本地再上传

●CREATE FUNCTION`MyScalarfunc AS'com.test.MyScalarFunc'

语法说明-使用函数

内置函数

INSERT INTO blackhole_sink

SELECT UPPER(name), score FROM datagen_source

自定义函数

INSERT INTO blackhole_sink

SELECT MyScalarfunc(name), score FROM datagen_source

语法说明-Temporary Table

语法说明- Temporary View

语法说明- Statement Set

应用范围

· Create Table

·会注册到系统 Catalog(默认是 VvpCatalog)中,进行持久化

·适合多个 query 共享元数据的情况

· Create Temporary Table · 会使用内存的  Catalog,不会持久化

· 适合不需要共享元数据的场景只给当前 query 使用。例如测试任务。

· Create Temporary View

·简化 SQL 语句

· Statement Set

· 适合需要输出到多个下游(多sink表)的场景

自定义 Connector & Format

·实现接口

· DynamicTableSourceFactory

·DynamicTableSinkFactory

·接口描述文件∶ META-INF/services/org.apache.fink.table,factories.Factory

·上传 JAR 包进行注册

·可下载 htp//n2020oscn-bellinglvunccom/mydatken-printe10Jar 到本地再上传

使用自定义 Connector

SQL Preview

· 配置某个 Session 集群作为 SQL Preview 使用的集群· 该 session 集群需要是运行状态

· 直接运行 DQL 语句

· SELECT UPPER(name), score FROM datagen_source;

Metrics- reporter

·默认使用 PrometheusReporter

·自定义 metrics reporter

·编辑 Deployment -> 高级配置->其他配置

Metrics- grafana

LOG

·自定义 Log Level

· root INFO

· org.apache.fink: DEBUG

·自定义 Logging Profile ,

· oss

· sls

相关实践学习
基于Hologres轻松玩转一站式实时仓库
本场景介绍如何利用阿里云MaxCompute、实时计算Flink和交互式分析服务Hologres开发离线、实时数据融合分析的数据大屏应用。
Linux入门到精通
本套课程是从入门开始的Linux学习课程,适合初学者阅读。由浅入深案例丰富,通俗易懂。主要涉及基础的系统操作以及工作中常用的各种服务软件的应用、部署和优化。即使是零基础的学员,只要能够坚持把所有章节都学完,也一定会受益匪浅。
相关文章
|
9天前
|
运维 数据处理 数据安全/隐私保护
阿里云实时计算Flink版测评报告
该测评报告详细介绍了阿里云实时计算Flink版在用户行为分析与标签画像中的应用实践,展示了其毫秒级的数据处理能力和高效的开发流程。报告还全面评测了该服务在稳定性、性能、开发运维及安全性方面的卓越表现,并对比自建Flink集群的优势。最后,报告评估了其成本效益,强调了其灵活扩展性和高投资回报率,适合各类实时数据处理需求。
|
2月前
|
SQL 消息中间件 Kafka
实时计算 Flink版产品使用问题之如何在EMR-Flink的Flink SOL中针对source表单独设置并行度
实时计算Flink版作为一种强大的流处理和批处理统一的计算框架,广泛应用于各种需要实时数据处理和分析的场景。实时计算Flink版通常结合SQL接口、DataStream API、以及与上下游数据源和存储系统的丰富连接器,提供了一套全面的解决方案,以应对各种实时计算需求。其低延迟、高吞吐、容错性强的特点,使其成为众多企业和组织实时数据处理首选的技术平台。以下是实时计算Flink版的一些典型使用合集。
|
10天前
|
存储 运维 监控
阿里云实时计算Flink版的评测
阿里云实时计算Flink版的评测
42 15
|
9天前
|
运维 分布式计算 监控
评测报告:阿里云实时计算Flink版
本评测主要针对阿里云实时计算Flink版在用户行为分析中的应用。作为一名数据分析师,我利用该服务处理了大量日志数据,包括用户点击流和登录行为。Flink的强大实时处理能力让我能够迅速洞察用户行为变化,及时调整营销策略。此外,其卓越的性能和稳定性显著降低了运维负担,提升了项目效率。产品文档详尽且易于理解,但建议增加故障排查示例。
|
9天前
|
机器学习/深度学习 运维 监控
阿里云实时计算Flink版体验评测
阿里云实时计算Flink版提供了完善的产品内引导和丰富文档,使初学者也能快速上手。产品界面引导清晰,内置模板简化了流处理任务。官方文档全面,涵盖配置、开发、调优等内容。此外,该产品在数据开发和运维方面表现优秀,支持灵活的作业开发和自动化运维。未来可增强复杂事件处理、实时可视化展示及机器学习支持,进一步提升用户体验。作为阿里云大数据体系的一部分,它能与DataWorks、MaxCompute等产品无缝联动,构建完整的实时数据处理平台。
|
2月前
|
消息中间件 监控 Kafka
联通实时计算平台问题之Flink状态后端数据量较大时,问题排查要如何进行
联通实时计算平台问题之Flink状态后端数据量较大时,问题排查要如何进行
|
2月前
|
资源调度 Java Scala
实时计算 Flink版产品使用问题之如何实现ZooKeeper抖动导致任务失败时,能从最近的检查点重新启动任务
实时计算Flink版作为一种强大的流处理和批处理统一的计算框架,广泛应用于各种需要实时数据处理和分析的场景。实时计算Flink版通常结合SQL接口、DataStream API、以及与上下游数据源和存储系统的丰富连接器,提供了一套全面的解决方案,以应对各种实时计算需求。其低延迟、高吞吐、容错性强的特点,使其成为众多企业和组织实时数据处理首选的技术平台。以下是实时计算Flink版的一些典型使用合集。
|
2月前
|
Kubernetes Java 数据库连接
实时计算 Flink版产品使用问题之部署到 Kubernetes 集群时,任务过一会儿自动被取消,该如何排查
实时计算Flink版作为一种强大的流处理和批处理统一的计算框架,广泛应用于各种需要实时数据处理和分析的场景。实时计算Flink版通常结合SQL接口、DataStream API、以及与上下游数据源和存储系统的丰富连接器,提供了一套全面的解决方案,以应对各种实时计算需求。其低延迟、高吞吐、容错性强的特点,使其成为众多企业和组织实时数据处理首选的技术平台。以下是实时计算Flink版的一些典型使用合集。
|
Java 流计算
Flink学习笔记记录
Flink学习笔记记录
2245 0
|
3月前
|
存储 监控 大数据
阿里云实时计算Flink在多行业的应用和实践
本文整理自 Flink Forward Asia 2023 中闭门会的分享。主要分享实时计算在各行业的应用实践,对回归实时计算的重点场景进行介绍以及企业如何使用实时计算技术,并且提供一些在技术架构上的参考建议。
730 7
阿里云实时计算Flink在多行业的应用和实践
下一篇
无影云桌面