02.Flink的单机wordcount、集群安装

一、单机安装

1.准备安装包

将源码编译出的安装包拷贝出来（编译请参照上一篇01.Flink笔记-编译、部署）或者在Flink官网下载bin包

2.配置

前置：jdk1.8+

修改配置文件flink-conf.yaml

#Flink的默认WebUI端口号是8081，如果有冲突的服务，可更改
rest.port: 18081

其余项选择默认即可

3.启动

• Linux：

./bin/start-cluster.sh

• Win：

cd bin
start-cluster.bat

win本地启动如下（图片模糊可右击在新标签中打开）

二、单机WordCount

1.java版本

import org.apache.flink.api.common.functions.FlatMapFunction;
import org.apache.flink.api.java.tuple.Tuple2;
import org.apache.flink.api.java.utils.ParameterTool;
import org.apache.flink.streaming.api.datastream.DataStream;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.streaming.api.windowing.time.Time;
import org.apache.flink.util.Collector;
/**
 * @author ：qinglanmei
 * @date ：Created in 2019/4/10 11:10
 * @description：flink的java版本window示例
 */
public class WindowWordCount {
    public static void main(String[] args) throws Exception{
        final String hostname;
        final int port;
        try {
            final ParameterTool params = ParameterTool.fromArgs(args);
            hostname = params.has("hostname") ? params.get("hostname") : "localhost";
            port = params.has("port") ? params.getInt("port"):9999；
　　     } catch (Exception e) {
            System.err.println("No port specified. Please run 'SocketWindowWordCount " +
                    "--hostname <hostname> --port <port>', where hostname (localhost by default) " +
                    "and port is the address of the text server");
            System.err.println("To start a simple text server, run 'netcat -l <port>' and " +
                    "type the input text into the command line");
            return;
        }
        final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
        DataStream<Tuple2<String,Integer>> dataStream = env
                .socketTextStream(hostname,port)
                .flatMap(new Splitter())
                .keyBy(0)
                .timeWindow(Time.seconds(5),Time.seconds(5))
                .sum(1);
        dataStream.print();
        env.execute("WindowWordCount");
    }
    public static class Splitter implements FlatMapFunction<String, Tuple2<String, Integer>> {
        @Override
        public void flatMap(String sentence, Collector<Tuple2<String, Integer>> out) throws Exception {
            for(String word : sentence.split(" ")){
                out.collect(new Tuple2<String, Integer>(word, 1));
            }
        }
    }

}

2.scala版本

• 本地安装scala

• idea配置scala插件

• scala的maven插件

 <plugin>
                 <groupId>net.alchim31.maven</groupId>
                 <artifactId>scala-maven-plugin</artifactId>
                 <executions>
                     <execution>
                         <id>scala-compile-first</id>
                         <phase>process-resources</phase>
                         <goals>
                             <goal>add-source</goal>
                             <goal>compile</goal>
                         </goals>
                     </execution>
                     <execution>
                         <id>scala-test-compile</id>
                         <phase>process-test-resources</phase>
                         <goals>
                             <goal>testCompile</goal>
                         </goals>
                     </execution>
                 </executions>
             </plugin>

• 代码详细

import org.apache.flink.api.java.utils.ParameterTool
import org.apache.flink.streaming.api.windowing.time.Time
import org.apache.flink.streaming.api.scala._

object SocketWindowCount {

  def main(args: Array[String]): Unit = {
    val port = try{
      ParameterTool.fromArgs(args).getInt("port")
    }catch {
      case e:Exception =>{
        System.err.println("No port specified. Please run 'SocketWindowWordCount --port <port>'")
        return
      }
    }
    //1.获取env
    val env: StreamExecutionEnvironment = StreamExecutionEnvironment.getExecutionEnvironment
    //2.通过socket连接获取输入数据

    val text = env.socketTextStream("localhost",port,'\n')
    //3.一系列操作
    /**
      * timeWindow(size,slide)
      * size:窗口大小，slide：滑动间隔。分为以下三种情况：
      * 1.	窗口大小等于滑动间隔：这个就是滚动窗口，数据不会重叠，也不会丢失数据。
      * 2.	窗口大小大于滑动间隔：这个时候会有数据重叠，也即是数据会被重复处理。
      * 3.	窗口大小小于滑动间隔：必然是会导致数据丢失，不可取。
      */
    val windowCounts = text
      .flatMap { w => w.split("\\s") }
      .map {x:String => WordWithCount(x,1)}
      .keyBy(0)
      .timeWindow(Time.seconds(5),Time.seconds(5))
      .sum(1)
    //4.输出结果，打印
    windowCounts.print().setParallelism(1)
    //5.env执行
    env.execute("Socket window WordCount")

  }
  case class WordWithCount(value: String, i: Long)
}

3.win本地开发环境测试

安装netcat

• 下载：https://eternallybored.org/misc/netcat/
• 配置环境变量

打开cmd启动nc端口号监听（win下需加-p）

nc -l -p 

idea中配置输出参数

运行程序、在cmd命令窗口输入单词、按空格分隔、在idea本地即可输出结果

4.Flink单机提交（Linux）

Linux安装的是Flink1.8

• 本地maven打包

mvn clean package

• 上传jar包到Linux
• 启动Flink节点（单机）
• 另起一窗口，打开nc -l 9999，输入单词，按空格分隔
• 运行jar包

flink run -c com.qinglanmei.demo.flink.SocketWindowCount ./common-flink-core-1.0.jar --port 9999

• 查看输出结果，Flink上运行的输出在log/flink-root-taskexecutor-0-bigdata01.out

 tail -f /flink/flink-1.8.0/log/flink-root-taskexecutor-0-bigdata01.out

　结果如下

观察Flink的Web界面

可以发现

• Total Jobs的Running=1
• Available Task Slots=0，说明单机的flink任务槽已经被占用了，因为每个槽运行一个并行管道

三、集群安装

1.standalone

环境配置：

• jdk1.8+
• ssh免密（具有相同的安装目录）

Flink设置

将源码编译出的安装包拷贝出来（编译请参照上一篇01.Flink笔记-编译、部署）或者在Flink官网下载bin包

节点分配：三个节点01-03分别是master、worker01.work02

flink-conf.yaml配置

# 主节点地址
jobmanager.rpc.address: bigdata01
# 任务槽数
taskmanager.numberOfTaskSlots: 2
# 端口号默认8081，因为与我的其他组建冲突，故改成18081
rest.port: 18081

可选配置：

• 每个JobManager（jobmanager.heap.mb）的可用内存量，
• 每个TaskManager（taskmanager.heap.mb）的可用内存量，
• 每台机器的可用CPU数量（taskmanager.numberOfTaskSlots），
• 集群中的CPU总数（parallelism.default）和
• 临时目录（taskmanager.tmp.dirs）

修改配置文件masters、slaves

[root@bigdata01 conf]# vim masters
bigdata01:18081
[root@bigdata01 conf]# vim slaves
bigdata02
bigdata03

拷贝01的目录到另外两台节点

scp -r flink-1.8.0/ bigdata02:/flink/
scp -r flink-1.8.0/ bigdata03:/flink/

配置环境变量（每个节点）

vim /etc/profile
#flink
export FLINK_HOME=/flink/flink-1.8.0
export PATH=$FLINK_HOME/bin:$PATH

使其生效source /etc/profile

启动Flink集群

start-cluster.sh

查看进程

查看web

界面说明

Task Managers：等于worker数，即slaves文件中配置的节点数

Task Slots：等于worker数*taskmanager.numberOfTaskSlots，taskmanager.numberOfTaskSlots即flink-conf.yaml中配置的参数

Available Task Slots：在没有job情况下等于Task Slots

2.HA

修改配置文件

修改flink-conf.yaml，高可用模式不需要指定jobmanager.rpc.address，在masters中添加jobmanager节点，由zookeeper做选举

#jobmanager.rpc.address: bigdata01
high-availability: zookeeper #指定高可用模式（必须）
high-availability.zookeeper.quorum: bigdata01:2181,bigdata02:2181,bigdata03:2181 #ZooKeeper仲裁是ZooKeeper服务器的复制组，它提供分布式协调服务（必须）
high-availability.storageDir:hdfs: ///flink/ha/ #JobManager元数据保存在文件系统storageDir中，只有指向此状态的指针存储在ZooKeeper中（必须）
high-availability.zookeeper.path.root: /flink #根ZooKeeper节点，在该节点下放置所有集群节点（推荐）
#自定义集群（推荐）
high-availability.cluster-id: /flinkCluster
state.backend: filesystem
state.checkpoints.dir: hdfs:///flink/checkpoints
state.savepoints.dir: hdfs:///flink/checkpoints

修改masters

[root@bigdata01 conf]# vim masters
bigdata01:18081
bigdata02:18081

修改slaves

[root@bigdata01 conf]# vim slaves
bigdata02
bigdata03      

修改conf/zoo.cfg

# ZooKeeper quorum peers
server.1=bigdata01:2888:3888
server.2=bigdata02:2888:3888
server.3=bigdata03:2888:3888

其余节点同步配置文件

scp -r conf/ bigdata02:/flink/flink-1.8.0/
scp -r conf/ bigdata02:/flink/flink-1.8.0/

启动

先启动zookeeper集群、再启动hadoop、最后启动flink