各位大佬请问flink这个报错有遇到过吗？启动的时候报错

可能是临时文件过多导致，删除HDFS中的Flink的临时文件即可，你的文件存在哪就删除哪，比如存在/flink/yarn/ha目录下，所以直接删除即可，可以在flink的conf目录下的flink-conf.yaml查看HDFS的存储路径。

删除完成后再次启动试试。

bin/yarn-session.sh -d

——参考链接。

这是一个关于YARN session启动失败的问题，具体原因是请求的应用主虚拟核心超过了最大可提供虚拟核的数量。这是由Apache Flink客户端部署ClusterDeploymentException引起的，无法部署YARN会话群集。下面是详细的异常堆栈轨迹：

Caused by org.apache.flink.configuration.IllegalConfigurationException: The number of requested virtual cores for application master 1 exceeds the maximum number of vtual cores *available in the YARN cluster*.
at org.apache.flink.yarn.YarnClusterDescriptor.isReadyForDeployment(YarnClusterDescriptor.java:327) ~[flink-yarn_2.12-1.16.6.jar:1.16.6]
at org.apache.flink.yarn.YarnClusterDescriptor.deployInternal(YarnClusterDescriptor.java:548) ~[flink-yarn_2.12-1.16.6.jar:1.16.6]
at org.apache.flink.yarn.YarnClusterDescriptor.deploySessionCluster(YarnClusterDescriptor.java:419) ~[flink-yarn_2.12-1.16.6.jar:1.16.6]...

为了解决该问题，请参考以下可能的方法：

• 确认YARN资源是否充足: 查看Hadoop集群中的资源状况，特别是CPU资源。确保有足够的空闲CPU供应用主使用。

• 减少申请的核心数: 如果确实存在资源不足的情况，那么降低应用程序主进程所需要的虚拟核心数是一个有效的办法。可以通过修改yarn-site.xml中的yarn.resourcemanager.resource.cpu-vcores值来实现这一目标。

• 优化资源配置: 对整个集群进行全面分析，找出瓶颈在哪里，针对性地进行优化。例如，提高服务器的规格、扩展磁盘空间等等。

你遇到了 Flink YARN 容器无法部署的情况。错误提示表明，由于申请的应用主节点虚拟内核数量超过了 Yarn Cluster 可用的最大值，导致了该异常的发生。

要解决这个问题，需要考虑以下几个方面:

1. 降低虚拟内核请求的数量: 调整 yarn.nodemanager.vmem_RESERVED 参数，减小预留给 JVM 的内存。同时，也可以增加 mapreduce.tasktracker.tasks.per.node 参数，从而允许更多的任务在单个节点上运行。

2. 增大可用的虚拟内核数: 增加 Hadoop/YARN 集群的虚拟内核数量。可以通过修改 /etc/hadoop/yarn-site.xml 文件，在 <property> 标签下添加以下内容进行配置：

<property>
  <name>yarn.scheduler.maximum-allocation.vcores</name>
  <value>8</value>
</property>

<property>
  <name>yarn.minimum-vcore-requirement</name>
  <value>1</value>
</property>

这些更改会告诉 YARN 运行时系统应该为每个任务保留多少虚拟内核。请注意，实际使用过程中可能还需要根据实际情况微调这两个参数。

1. 优化代码实现: 对于特定的 Flink 应用程序，可能存在一些地方没有充分利用计算能力，这时就需要分析代码逻辑，查找瓶颈点并对之进行优化。

2. 监控集群健康状况: 监控整个 Hadoop/YARN 集群的健康情况，包括 CPU 利用率、内存占用率等指标，以便及时发现潜在问题。

强烈推荐升级至最新的 Flink 版本，因为它可能会包含已知的 bug 修复以及其他改进。此外，还可以查阅 Flink 文档 Cluster Deployment 来获取更多信息。

问题可能是由于Flink作业请求的虚拟核心数量超过了YARN集群中可用的最大虚拟核心数量。要解决这个问题，您可以尝试以下方法：

1. 调整Flink作业的资源请求。您可以在Flink作业的flink-conf.yml文件中设置jobmanager.rpc.address，以限制作业的资源请求。例如，将jobmanager.rpc.address设置为local，以在本地运行作业。这将限制作业的资源请求，从而避免超出YARN集群的虚拟核心限制。
   示例配置：

jobmanager:
rpc:
address: local
CopyCopy

1. 如果您需要在YARN集群上运行Flink作业，请考虑优化作业的资源利用率和并行度。这可以帮助您在YARN集群中更有效地利用虚拟核心资源。
2. 如果您无法降低作业的虚拟核心需求，可以考虑联系您的YARN集群管理员，以增加集群中的虚拟核心资源。