一、下载软件包
这里下载2021年最新版本的1.12
官网下载地址：官网
其他镜像源： http://mirrors.hust.edu.cn/apache/flink/flink-1.12.1/
官网下载比较慢
对于flink来说，部署方式有三种，分别是local、standalone、yarn cluster
二、部署standalone
2.1 上传到集群解压
tar zxvf flink-1.12.1-bin-scala_2.12.tgz -C /data1/hadoop/
cd /data1/hadoop/
mv flink-1.12.1/ flink
2.2 配置
配置文件主要关注以下几个
conf/flink-conf.yaml // 主要的配置文件
conf/masters // 配置master阶段localhost
conf/workers // 配置task节点，默认是localhost
这里在一台节点部署，类似于伪分布式。
# grep -Ev "^$|[#;]" conf/flink-conf.yaml
jobmanager.rpc.address: localhost // master通讯地址
jobmanager.rpc.port: 6123 // 通讯端口
jobmanager.memory.process.size: 1600m // 运行master的节点使用的内存大小
taskmanager.memory.process.size: 1728m
taskmanager.numberOfTaskSlots: 1 // 任务slot，这个有点类似yarn的container或者spark的executor，可以理解为一个资源单位(cpu或者一块内存)。
parallelism.default: 1 // 默认的并行度，对于分布式框架来说，并行处理任务是最基本的。
jobmanager.execution.failover-strategy: region // 故障恢复的处理策略，可以是region或者full。说白了就是某一个任务失败以后，如果配置的是region，那么只是影响一部分，如果配置成full，那么影响所有的。
flink的架构跟spark其实很类似，比如jobmanager可以类比spark里面的master，taskmanager可以类比spark里面的worker。
2.3 启动flink
[hduser@hadoop4 flink]$ ./bin/start-cluster.sh
Starting cluster.
Starting standalonesession daemon on host hadoop4.
Starting taskexecutor daemon on host hadoop4.
[hduser@hadoop4 ~]$ jps
23188 Jps
23000 TaskManagerRunner
7001 QuorumPeerMain
22729 StandaloneSessionClusterEntrypoint
7375 Kafka
2.4 web界面
启动完以后，就可以查看web界面了
http://192.168.1.15:8081/#/overview
2.5 测试
./flink run -m hadoop4:8081 ../examples/batch/WordCount.jar --input /tmp/input.txt --output /tmp/output.txt
web界面查看
也可以看到其并发度
flink yarn对应两种模式，分别是yarn session、yarn cluster
三、yarn-session
3.1 说明
通过yarn进行资源管理，flink的任务直接提交到hadoop集群
1、hadoop集群启动，yarn需要运行起来。确保配置HADOOP_HOME环境变量。
2、flink on yarn的交互图解
yarn seesion(Start a long-running Flink cluster on YARN)这种方式需要先启动集群，然后在提交作业，接着会向yarn申请一块空间后，资源永远保持不变。
如果资源满了，下一个作业就无法提交，只能等到yarn中的其中一个作业执行完成后，释放了资源，那下一个作业才会正常提交.
这种方式资源被限制在session中，不能超过，比较适合特定的运行环境或者测试环境。
JobManager和AM在同一容器中运行。一旦它们成功启动，AM就知道JobManager（它自己的主机）的地址。它正在为TaskManagers生成一个新的Flink配置文件（以便它们可以连接到JobManager）。该文件也上传到HDFS。此外，AM容器还提供Flink的Web界面。YARN代码分配的所有端口都是临时端口。这允许用户并行执行多个Flink YARN会话。
3.2 部署
首先需要启动yarn集群
启动yarn session
[hduser@hadoop4 bin]$ ./yarn-session.sh -qu orc -n 1 -jm 1024 -tm 1024 -s 1
说明：
-n: 表示taskmanager数量
-jm: jobmanager内存大小
-tm: taskmanager内存大小
-s: taskmanager的slot数量
-qu: 队列
从上图可以看到jobmanager的地址
或者可以从yarn界面的application master界面进入
3.3 测试
[hduser@hadoop4 bin]$ ./flink run -m hadoop4:38563 ../examples/batch/WordCount.jar --input /tmp/input.txt --output /tmp/output1.txt
Job has been submitted with JobID e495084731cafc6868aba5023a16a0eb
Program execution finished
Job with JobID e495084731cafc6868aba5023a16a0eb has finished.
Job Runtime: 46790 ms
四、yarn cluster
[hduser@hadoop4 bin]$ ./flink run -yqu orc -m yarn-cluster ../examples/batch/WordCount.jar --input /tmp/input.txt --output /tmp/output2.txt
遇到的异常：
1、找不到类异常
原因是在Flink1.11 之后不再提供flink-shaded-hadoop-*” jars
解决办法：
export HADOOP_CLASSPATH=`hadoop classpath`
2、cpu不足
从错误信息看是可以用的cpu个数为0，这可能是nodemanager没有正常启动导致。
3、yarn队列不能提交
这种是因为该队列没有分配资源导致
这种方式可以使用-qu指定队列的名字
借鉴：
| https://ci.apache.org/projects/flink/flink-docs-release-1.6/quickstart/setup_quickstart.html
| https://www.cnblogs.com/aibabel/p/10937110.html
| https://www.cnblogs.com/asker009/p/11327533.html
| https://www.cnblogs.com/infoo/p/13385069.html