Flink实时数仓之任务部署模式

大家好，我是Lee，最近在研究Flink任务的远程提交，所以需要了解它能不能实现远程提交，怎么提交，有哪几种模式运行flink实时任务，今天给你们介绍一下。且看下文。

不同的模式，主要区别就在于集群的生命周期和任务的资源调度上。还有就是任务的main方法是在client上还是cluster上执行的。

1.local cluster
就是在你搭建的flink集群上执行flink run，没有指定-m（mode）参数，即为local模式，该模式方便调试，开发时使用方便，在flink web ui端可以查看到相应的任务。

2.application mode
应用的main方法执行在cluster端。
main方法执行在client的话，有一个坏处就是，启动时，需要从集群中下载所有的依赖到client端，抽出程序的执行图JobGraph，然后将依赖项和JobGraph发送到集群中其他机器，这样对client机器的网络带宽和cpu有很大的一个资源压力，在客户端被许多用户共享使用时，这个问题会更加明显。application mode的main方法执行在cluster端。就没有这个问题。

另外，application mode为每个提交的应用分别创建一个cluster，main()方法在Jobmanager端执行，为每一个应用创建一个cluster可以被看作是创建一个仅在特定程序的作业之间共享的会话集群，当应用结束后，即销毁cluster资源。

在这种架构模式下，拥有per-job模式的资源隔离优势。并且main()方法执行在jobmanager中，可以节约cpu和带宽。

相比于per-job模式，application mode模式允许提交的应用中包含多个作业，作业的执行顺序不受部署模式的影响，而是受调用的先后顺序，使用execute()是阻塞的，第一个启动的作业必须结束后才能启动第二个作业。executeAsync()是非阻塞的，这样第二个job可以在第一个job未执行完之前就启动起来。

而且，application mode允许一个应用多作业并行执行时，它是不支持高可用的，必须在单个应用单个作业时才是高可用的。

在application mode下，当一个应用中跑了多个作业（使用的是executeAsync()），你如果取消其中一个作业，其他的所有作业均会停止，并且jobmanager会关闭。

使用方法：

# 启动application mode任务
./bin/flink run-application -t yarn-application ./examples/streaming/TopSpeedWindowing.jar

# List running job on the cluster
./bin/flink list -t yarn-application -Dyarn.application.id=application_XXXX_YY
# Cancel running job
./bin/flink cancel -t yarn-application -Dyarn.application.id=application_XXXX_YY <jobId>

3.per-job
应用的main方法执行在client端。

利用现有的资源管理器，如yarn、kubernetes，为每个应用启动单独的集群。每个提交的应用，需要付出启动集群的代价。好处是，更好的保证了jobs之间资源不共享，这样的话，每个集群的生命周期跟单个任务绑定在一块，任务结束就释放了资源。比如某个应用出错了，影响到了taskmanager，导致TaskManager挂了，并不会影响其他任务的TaskManager。所以基于这些优点，生产上推荐这种模式。

使用方法：

# 启动任务
./bin/flink run -t yarn-per-job --detached ./examples/streaming/TopSpeedWindowing.jar

# List running job on the cluster
./bin/flink list -t yarn-per-job -Dyarn.application.id=application_XXXX_YY
# Cancel running job
./bin/flink cancel -t yarn-per-job -Dyarn.application.id=application_XXXX_YY <jobId>

4.session mode
应用的main方法执行在client端。

集群的生命周期是非独立的，包含了所有的running job，资源是共享的。

优点就是集群已经启动起来了，每个提交的任务不需要单独启动集群，使用现有的资源即可，缺点是如果某一个任务出错导致TaskManager挂了，那么其他所有的运行中的任务都会受到影响。

# 启动任务
./bin/flink run -t yarn-session \
  -Dyarn.application.id=application_XXXX_YY \
  ./examples/streaming/TopSpeedWindowing.jar

综上所述，总结下来，application mode和per-job mode适合生产使用，因为资源隔离，互不影响是最关键的。

参考链接：https://ci.apache.org/projects/flink/flink-docs-release-1.13/docs/deployment/overview/

ok，完成。

---

书山有路勤为径，学海无涯苦作舟。

欢迎关注微信公众号：【程序员写书】

喜欢宠物的朋友可以关注：【电巴克宠物Pets】

一起学习，一起进步。