YARN设置

译者：flink.sojb.cn

快速开始

在YARN上启动长时间运行的Flink集群

与4个TaskManager（每个具有4 GB的Heapspace）启动YARN会话：

  1. # get the hadoop2 package from the Flink download page at
  3. > 译者：[flink.sojb.cn](https://flink.sojb.cn/)
  5. # http://flink.apache.org/downloads.html
  7. > 译者：[flink.sojb.cn](https://flink.sojb.cn/)
  9. curl -O <flink_hadoop2_download_url>
  10. tar xvzf flink-1.7-SNAPSHOT-bin-hadoop2.tgz
  11. cd flink-1.7-SNAPSHOT/
  12. ./bin/yarn-session.sh -n 4 -jm 1024m -tm 4096m

指定-s每个TaskManager的处理槽数的标志。我们建议将插槽数设置为每台计算机的处理器数。

会话启动后，您可以使用该./bin/flink工具将作业提交到群集。

在YARN上运行Flink作业

  1. # get the hadoop2 package from the Flink download page at
  3. > 译者：[flink.sojb.cn](https://flink.sojb.cn/)
  5. # http://flink.apache.org/downloads.html
  7. > 译者：[flink.sojb.cn](https://flink.sojb.cn/)
  9. curl -O <flink_hadoop2_download_url>
  10. tar xvzf flink-1.7-SNAPSHOT-bin-hadoop2.tgz
  11. cd flink-1.7-SNAPSHOT/
  12. ./bin/flink run -m yarn-cluster -yn 4 -yjm 1024m -ytm 4096m ./examples/batch/WordCount.jar

Flink YARN Session

Apache Hadoop YARN是一个集群资源管理框架。它允许在群集上运行各种分布式应用程序。Flink在其他应用程序旁边的YARN上运行。如果已经有YARN设置，用户不必设置或安装任何东西。

要求

  • 至少是Apache Hadoop 2.2
  • HDFS（Hadoop分布式文件系统）（或Hadoop支持的其他分布式文件系统）

如果您在使用Flink YARN客户端时遇到麻烦，请查看FAQ部分。

启动Flink会话

请按照以下说明了解如何在YARN群集中启动Flink会话。

会话将启动所有必需的Flink服务（JobManager和TaskManagers），以便您可以将程序提交到群集。请注意，您可以在每个会话中运行多个程序。

下载Flink

从下载页面下载 Hadoop> = 2的Flink软件包。它包含所需的文件。

使用以下方法解压缩包：

  1. tar xvzf flink-1.7-SNAPSHOT-bin-hadoop2.tgz
  2. cd flink-1.7-SNAPSHOT/

启动一个会话

使用以下命令启动会话

  1. ./bin/yarn-session.sh

此命令将显示以下概述：

  1. Usage:
  2.    Required
  3.      -n,--container <arg>   Number of YARN container to allocate (=Number of Task Managers)
  4.    Optional
  5.      -D <arg>                        Dynamic properties
  6.      -d,--detached                   Start detached
  7.      -jm,--jobManagerMemory <arg>    Memory for JobManager Container with optional unit (default: MB)
  8.      -nm,--name                      Set a custom name for the application on YARN
  9.      -q,--query                      Display available YARN resources (memory, cores)
  10.      -qu,--queue <arg>               Specify YARN queue.
  11.      -s,--slots <arg>                Number of slots per TaskManager
  12.      -tm,--taskManagerMemory <arg>   Memory per TaskManager Container with optional unit (default: MB)
  13.      -z,--zookeeperNamespace <arg>   Namespace to create the Zookeeper sub-paths for HA mode

请注意，客户要求YARN_CONF_DIR或HADOOP_CONF_DIR环境变量设置为read YARN和HDFS配置。

示例：发出以下命令以分配10个TaskManager，每个管理器具有8 GB内存和32个处理插槽：

  1. ./bin/yarn-session.sh -n 10 -tm 8192 -s 32

系统将使用配置conf/flink-conf.yaml。如果您想更改某些内容，请按照我们的配置指南 算子操作。

YARN上的Flink将覆盖以下配置参数jobmanager.rpc.address（因为JobManager总是在不同的机器上分配），taskmanager.tmp.dirs（我们使用YARN给出的tmp目录）以及parallelism.default是否已指定插槽数。

如果您不想更改配置文件以设置配置参数，则可以选择通过-D标志传递动态属性。所以你可以这样传递参数：-Dfs.overwrite-files=true -Dtaskmanager.network.memory.min=536346624。

示例调用启动了11个容器（即使只请求了10个容器），因为ApplicationMaster和Job Manager还有一个额外的容器。

在YARN群集中部署Flink后，它将显示JobManager的连接详细信息。

通过停止unix进程（使用CTRL + C）或在客户端输入“stop”来停止YARN会话。

如果群集上有足够的资源，则YARN上的Flink将仅启动所有请求的容器。大多数YARN调度程序考虑了所请求的容器内存，一些帐户也考虑了vcores的数量。默认情况下，vcores的数量等于处理slots（-s）参数。在yarn.containers.vcores允许覆盖vcores的数量与自定义值。为了使此参数起作用，您应该在群集中启用CPU调度。

分离的YARN会话

如果您不想让Flink YARN客户端一直运行，也可以启动分离的 YARN会话。该参数称为-d或--detached。

在这种情况下，Flink YARN客户端将仅向群集提交Flink，然后自行关闭。请注意，在这种情况下，无法使用Flink停止YARN会话。

使用YARN实用程序（yarn application -kill &lt;appId&gt;）来停止YARN会话。

附加到现有会话

使用以下命令启动会话

  1. ./bin/yarn-session.sh

此命令将显示以下概述：

  1. Usage:
  2.    Required
  3.      -id,--applicationId <yarnAppId> YARN application Id

如前所述，YARN_CONF_DIR或者HADOOP_CONF_DIR必须设置环境变量以读取YARN和HDFS配置。

示例：发出以下命令以附加到正在运行的Flink YARN会话application_1463870264508_0029：

  1. ./bin/yarn-session.sh -id application_1463870264508_0029

附加到正在运行的会话使用YARN ResourceManager来确定JobManagerRPC端口。

通过停止unix进程（使用CTRL + C）或在客户端输入“stop”来停止YARN会话。

向Flink提交工作

使用以下命令将Flink程序提交到YARN群集：

  1. ./bin/flink

请参阅命令行客户端的文档。

该命令将显示如下的帮助菜单：

  1. [...]
  2. Action "run" compiles and runs a program.
  4.   Syntax: run [OPTIONS] <jar-file> <arguments>
  5.   "run" action arguments:
  6.      -c,--class <classname>           Class with the program entry point ("main"
  7.                                       method or "getPlan()" method. Only needed
  8.                                       if the JAR file does not specify the class
  9.                                       in its manifest.
  10.      -m,--jobmanager <host:port>      Address of the JobManager (master) to
  11.                                       which to connect. Use this flag to connect
  12.                                       to a different JobManager than the one
  13.                                       specified in the configuration.
  14.      -p,--parallelism <parallelism>   The parallelism with which to run the
  15.                                       program. Optional flag to override the
  16.                                       default value specified in the
  17.                                       configuration

使用运行 算子操作将作业提交给YARN。客户端能够确定JobManager的地址。在极少数问题的情况下，您还可以使用-m参数传递JobManager地址。JobManager地址在YARN控制台中可见。

例

  1. wget -O LICENSE-2.0.txt http://www.apache.org/licenses/LICENSE-2.0.txt
  2. hadoop fs -copyFromLocal LICENSE-2.0.txt hdfs:/// ...
  3. ./bin/flink run ./examples/batch/WordCount.jar \
  4.         hdfs:///..../LICENSE-2.0.txt hdfs:///.../wordcount-result.txt

如果出现以下错误，请确保所有TaskManagers都已启动：

  1. Exception in thread "main" org.apache.flink.compiler.CompilerException:
  2.     Available instances could not be determined from job manager: Connection timed out.

您可以在JobManager Web界面中检查TaskManagers的数量。该接口的地址打印在YARN会话控制台中。

如果一分钟后TaskManagers没有出现，您应该使用日志文件调查问题。

在YARN上运行单个Flink作业

上面的文档描述了如何在Hadoop YARN环境中启动Flink集群。也可以仅在执行单个作业时在YARN中启动Flink。

请注意，客户端然后期望设置-yn值（TaskManagers的数量）。

例：

  1. ./bin/flink run -m yarn-cluster -yn 2 ./examples/batch/WordCount.jar

YARN会话的命令行选项也可用于该./bin/flink工具。它们以yor或yarn（对于长参数选项）作为前缀。

注意：您可以通过设置环境变量为每个作业使用不同的配置目录FLINK_CONF_DIR。要使用此副本，请conf从Flink分发中复制目录，并根据每个作业修改日志记录设置。

注意：可以-m yarn-cluster与分离的YARN提交（-yd）组合以“触发并忘记”到YARN群集的Flink作业。在这种情况下，您的应用程序将不会从ExecutionEnvironment.execute（）调用获得任何累加器结果或异常！

用户jar和Classpath

默认情况下，Flink将在运行单个作业时将用户jar包含到系统类路径中。可以使用yarn.per-job-cluster.include-user-jar参数控制此行为。

将此设置为DISABLED Flink时，将在用户类路径中包含jar。

可以通过将参数设置为以下之一来控制类路径中的user-jar位置：

  • ORDER:(默认）根据字典顺序将jar添加到系统类路径。
  • FIRST：将jar添加到系统类路径的开头。
  • LAST：将jar添加到系统类路径的末尾。

Flink在YARN上的恢复行为

Flink的YARN客户端具有以下配置参数来控制容器故障时的行为方式。可以conf/flink-conf.yaml使用-D参数从启动YARN会话时或在启动YARN会话时设置这些参数。

  • yarn.reallocate-failed：此参数控制Flink是否应重新分配失败的TaskManager容器。默认值：true
  • yarn.maximum-failed-containers：ApplicationMaster在YARN会话失败之前接受的最大失败容器数。默认值：最初请求的TaskManagers（-n）的数量。
  • yarn.application-attempts：ApplicationMaster（+其TaskManager容器）尝试的数量。如果此值设置为1（默认值），则当Application master失败时，整个YARN会话将失败。较高的值指定YARN重新启动ApplicationMaster的次数。

调试失败的YARN会话

Flink YARN会话部署失败的原因有很多。配置错误的Hadoop设置（HDFS权限，YARN配置），版本不兼容（在Cloudera Hadoop上运行Flink与vanilla Hadoop依赖关系）或其他错误。

日志文件

如果Flink YARN会话在部署期间失败，则用户必须依赖Hadoop YARN的日志记录函数。最有用的函数是YARN日志聚合。要启用它，用户必须将yarn.log-aggregation-enable属性设置true为yarn-site.xml文件。启用后，用户可以使用以下命令检索（失败的）YARN会话的所有日志文件。

  1. yarn logs -applicationId <application ID>

请注意，会话结束后需要几秒钟才会显示日志。

YARN客户端控制台和Web界面

如果在运行期间发生错误，Flink YARN客户端还会在终端中打印错误消息（例如，如果TaskManager在一段时间后停止工作）。

除此之外，还有YARN Resource Manager Web界面（默认情况下在端口8088上）。资源管理器Web界面的端口由yarn.resourcemanager.webapp.address配置值确定。

它允许访问日志文件以运行YARN应用程序，并显示失败应用程序的诊断信息。

为特定的Hadoop版本构建YARN客户端

使用Hortonworks，Cloudera或MapR等公司的Hadoop发行版的用户可能必须针对其特定版本的Hadoop（HDFS）和YARN构建Flink。有关更多详细信息，请阅读构建说明。

在防火墙后面的YARN上运行Flink

某些YARN群集使用防火墙来控制群集与网络其余部分之间的网络流量。在这些设置中，Flink作业只能从群集网络内（防火墙后面）提交到YARN会话。如果这对生产使用不可行，Flink允许为所有相关服务配置端口范围。通过配置这些范围，用户还可以通过防火墙向Flink提交作业。

目前，提交工作需要两项服务：

  • JobManager（YARN中的ApplicationMaster）
  • 在JobManager中运行的BlobServer。

向Flink提交作业时，BlobServer会将带有用户代码的jar分发给所有工作节点（TaskManagers）。JobManager自己接收作业并触发执行。

用于指定端口的两个配置参数如下：

  • yarn.application-master.port
  • blob.server.port

这两个配置选项接受单个端口（例如：“50010”），范围（“50000-50025”）或两者的组合（“50010,50011,50020-50025,50050-50075”）。

（Hadoop使用类似的机制，在那里调用配置参数yarn.app.mapreduce.am.job.client.port-range。）

背景/内部

本节简要介绍Flink和YARN如何交互。

YARN设置 - 图1

YARN客户端需要访问Hadoop配置以连接到YARN资源管理器和HDFS。它使用以下策略确定Hadoop配置：

  • 测试是否YARN_CONF_DIR，HADOOP_CONF_DIR或HADOOP_CONF_PATH设置（按顺序）。如果设置了其中一个变量，则使用它们来读取配置。
  • 如果上述策略失败（在正确的YARN设置中不应该这样），则客户端正在使用HADOOP_HOME环境变量。如果已设置，则客户端尝试访问$HADOOP_HOME/etc/hadoop（Hadoop 2）和$HADOOP_HOME/conf（Hadoop 1）。

启动新的Flink YARN会话时，客户端首先检查所请求的资源（容器和内存）是否可用。之后，它将包含Flink和配置的jar上传到HDFS（步骤1）。

客户端的下一步是请求（步骤2）YARN容器以启动ApplicationMaster（步骤3）。由于客户端将配置和jar文件注册为容器的资源，因此在该特定机器上运行的YARN的NodeManager将负责准备容器（例如，下载文件）。完成后，将启动ApplicationMaster（AM）。

该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。

之后，AM开始为Flink的TaskManagers分配容器，这将从HDFS下载jar文件和修改后的配置。完成这些步骤后，即可建立Flink并准备接受作业。