01 引言
在前面的博客，我们已经大概对Flink有一个初步认识了，有兴趣的同学可以参阅下：
如果要学习Flink必须先搭建好Flink环境，本文来讲解下Flink的环境搭建。
在上一篇博客 《Flink教程（01）- Flink知识图谱》里面的物理部署层，我们知道了Flink有几种部署模式，根据本地或集群分为以下几种：
- Local（本地单机模式）：学习测试时使用
- Standalone（独立集群模式）：Flink自带集群，开发测试环境使用
- StandaloneHA（独立集群高可用模式）：Flink自带集群，开发测试环境使用
- On Yarn（计算资源统一由Hadoop YARN管理）：生产环境使用
本文来讲解下。
02 Local本地单机模式
2.1 工作原理
上图流程如下：
Flink程序由JobClient进行提交；JobClient将作业提交给JobManager；JobManager负责协调资源分配和作业执行，资源分配完成后，任务将提交给相应的TaskManager；TaskManager启动一个线程以开始执行，TaskManager会向JobManager报告状态更改，如开始执行，正在进行或已完成；- 作业执行完成后，结果将发送回客户端（
JobClient）。
2.2 安装部署
step1：下载安装包
step2：上传flink-1.12.0-bin-scala_2.12.tgz到node1的指定目录
step3：解压
tar -zxvf flink-1.12.0-bin-scala_2.12.tgz
step4：修改权限
chown -R root:root /export/server/flink-1.12.0
step5：改名或创建软链接
mv flink-1.12.0 flink ln -s /export/server/flink-1.12.0 /export/server/flink
2.3 测试验证
1. 准备文件/root/words.txt
vim /root/words.txt • 1
内容如下：
hello me you her
hello me you
hello me
hello
2. 启动Flink本地“集群”
/export/server/flink/bin/start-cluster.sh
3.使用jps可以查看到下面两个进程
- TaskManagerRunner - StandaloneSessionClusterEntrypoint
4.访问Flink的Web UI： http://node1:8081/#/overview
slot在Flink里面可以认为是资源组，Flink是通过将任务分成子任务并且将这些子任务分配到slot来并行执行程序。
5. 执行官方示例:
/export/server/flink/bin/flink run /export/server/flink/examples/batch/WordCount.jar --input /root/words.txt --output /root/out
6. 停止Flink：
/export/server/flink/bin/stop-cluster.sh
启动shell交互式窗口(目前所有Scala 2.12版本的安装包暂时都不支持Scala Shell)
/export/server/flink/bin/start-scala-shell.sh local
执行如下命令:
benv.readTextFile("/root/words.txt").flatMap(_.split(" ")).map((_,1)).groupBy(0).sum(1).print()
退出shell:
:quit
03 Standalone独立集群模式
3.1 工作原理
工作流程：
client客户端提交任务给JobManager；JobManager负责申请任务运行所需要的资源并管理任务和资源；JobManager分发任务给TaskManager执行；TaskManager定期向JobManager汇报状态。
3.2 安装部署
step1：集群规划
- 服务器:
node1(Master + Slave):JobManager + TaskManager - 服务器:
node2(Slave):TaskManager - 服务器:
node3(Slave):TaskManager
step2：修改flink-conf.yaml
vim /export/server/flink/conf/flink-conf.yaml
内容如下：
jobmanager.rpc.address: node1 taskmanager.numberOfTaskSlots: 2 web.submit.enable: true #历史服务器 jobmanager.archive.fs.dir: hdfs://node1:8020/flink/completed-jobs/ historyserver.web.address: node1 historyserver.web.port: 8082 historyserver.archive.fs.dir: hdfs://node1:8020/flink/completed-jobs/
step3：修改masters
vim /export/server/flink/conf/masters
内容如下：
node1:8081
step4：修改slaves
vim /export/server/flink/conf/workers
内容如下：
node1 node2 node3
step5：添加HADOOP_CONF_DIR环境变量
vim /etc/profile
新增内容：
export HADOOP_CONF_DIR=/export/server/hadoop/etc/hadoop
step6：分发
scp -r /export/server/flink node2:/export/server/flink scp -r /export/server/flink node3:/export/server/flink scp /etc/profile node2:/etc/profile scp /etc/profile node3:/etc/profile
或
for i in {2..3}; do scp -r flink node$i:$PWD; done
step7：source
source /etc/profile
3.3 测试验证
1. 启动集群，在node1上执行如下命令
/export/server/flink/bin/start-cluster.sh
或者单独启动
/export/server/flink/bin/jobmanager.sh ((start|start-foreground) cluster)|stop|stop-all /export/server/flink/bin/taskmanager.sh start|start-foreground|stop|stop-all
2. 启动历史服务器
/export/server/flink/bin/historyserver.sh start • 1
3. 访问Flink UI界面或使用jps查看
TaskManager界面：可以查看到当前Flink集群中有多少个TaskManager，每个TaskManager的slots、内存、CPUCore是多少
4. 执行官方测试案例
/export/server/flink/bin/flink run /export/server/flink/examples/batch/WordCount.jar --input hdfs://node1:8020/wordcount/input/words.txt --output hdfs://node1:8020/wordcount/output/result.txt --parallelism 2
5. 查看历史日志
6. 停止Flink集群
/export/server/flink/bin/stop-cluster.sh
04 Standalone-HA高可用集群模式
4.1 工作原理
从之前的架构中我们可以很明显的发现 JobManager有明显的单点问题（SPOF，single point of failure)。JobManager 肩负着任务调度以及资源分配，一旦 JobManager出现意外，其后果可想而知。
工作原理：
- 在
Zookeeper的帮助下，一个Standalone的Flink集群会同时有多个活着的JobManager，其中只有一个处于工作状态，其他处于Standby状态。 - 当工作中的
JobManager失去连接后（如宕机或Crash），Zookeeper会从Standby中选一个新的JobManager来接管Flink集群。
4.2 安装部署
step1：集群规划
- 服务器:
node1(Master + Slave):JobManager + TaskManager - 服务器:
node2(Master + Slave):JobManager + TaskManager - 服务器:
node3(Slave):TaskManager
step2：启动ZooKeeper
zkServer.sh status zkServer.sh stop zkServer.sh start
step3：启动HDFS
/export/serves/hadoop/sbin/start-dfs.sh
step4：停止Flink集群
/export/server/flink/bin/stop-cluster.sh
step5：修改flink-conf.yaml
vim /export/server/flink/conf/flink-conf.yaml
增加如下内容:
state.backend: filesystem state.backend.fs.checkpointdir: hdfs://node1:8020/flink-checkpoints high-availability: zookeeper high-availability.storageDir: hdfs://node1:8020/flink/ha/ high-availability.zookeeper.quorum: node1:2181,node2:2181,node3:2181
配置解释:
#开启HA，使用文件系统作为快照存储 state.backend: filesystem #启用检查点，可以将快照保存到HDFS state.backend.fs.checkpointdir: hdfs://node1:8020/flink-checkpoints #使用zookeeper搭建高可用 high-availability: zookeeper # 存储JobManager的元数据到HDFS high-availability.storageDir: hdfs://node1:8020/flink/ha/ # 配置ZK集群地址 high-availability.zookeeper.quorum: node1:2181,node2:2181,node3:2181
step6：修改masters
vim /export/server/flink/conf/masters
node1:8081
node2:8081
step7：同步
scp -r /export/server/flink/conf/flink-conf.yaml node2:/export/server/flink/conf/ scp -r /export/server/flink/conf/flink-conf.yaml node3:/export/server/flink/conf/ scp -r /export/server/flink/conf/masters node2:/export/server/flink/conf/ scp -r /export/server/flink/conf/masters node3:/export/server/flink/conf/
step8：修改node2上的flink-conf.yaml
vim /export/server/flink/conf/flink-conf.yaml
修改内容如下：
jobmanager.rpc.address: node2
step9：重新启动Flink集群,node1上执行
/export/server/flink/bin/stop-cluster.sh /export/server/flink/bin/start-cluster.sh
step10：使用jps命令查看，发现没有Flink相关进程被启动
step11：查看日志
cat /export/server/flink/log/flink-root-standalonesession-0-node1.log
发现如下错误：
因为在Flink1.8版本后，Flink官方提供的安装包里没有整合HDFS的jar
step12：下载jar包并在Flink的lib目录下放入该jar包并分发使Flink能够支持对Hadoop的操作
- 下载地址：https://flink.apache.org/downloads.html
- 放入lib目录（
cd /export/server/flink/lib）
- 分发（
for i in {2..3}; do scp -r flink-shaded-hadoop-2-uber-2.7.5-10.0.jar node$i:$PWD; done）
step13：重新启动Flink集群,node1上执行
/export/server/flink/bin/start-cluster.sh
step14：使用jps命令查看,发现三台机器已经ok
