Flink系统架构中包含了两个角色，分别是JobManager和TaskManager，是一个典型的Master-Slave架构。JobManager相当于是Master，TaskManager相当于是Slave

1. Standalone 部署安装

https://mirrors.tuna.tsinghua.edu.cn/apache/flink/flink-1.9.2/flink-1.9.2-bin-scala_2.
11.tgz

node1	node2	node3
（master）	（slave）	（slave）

1.1 修改flink-conf.yaml配置文件

#JobManager地址
jobmanager.rpc.address: node01

# JobManagerRPC通信端口
jobmanager.rpc.port: 6123

# JobManager所能使用的堆内存大小
jobmanager.heap.size: 1024m

#  TaskManager所能使用的堆内存大小
taskmanager.heap.size: 1024m

# TaskManager管理的TaskSlot个数，依据当前物理机的
taskmanager.numberOfTaskSlots: 2
#核心数来配置，一般预留出一部分核心（25%）给系统及其他进程使用，一个slot对应一个core。如果core支持超线程，那么slot个数*2

#指定WebUI的访问端口
rest.port: 8081

1.2 修改slaves文件

配置slave节点

node2
node3

1.3 启动集群

2. flink 高可用集群搭建

3. flink on yarn

以 Yarn 模式部署 Flink 任务时，要求 Flink 是有 Hadoop 支持的版本， Hadoop环境需要保证版本在 2.2 以上，并且集群中安装有 HDFS 服务

3.1 Session-cluster 模式

Session-Cluster 模式需要先启动集群，然后再提交作业，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释放了资源，下个作业才会正常提交,所有作业共享 Dispatcher 和 ResourceManager；共享资源；适合规模小执行时间短的作业

在 yarn 中初始化一个 flink 集群，开辟指定的资源，以后提交任务都向这里提交。这个 flink 集群会常驻在 yarn 集群中，除非手工停止

启动hadoop集群

启动yarn-session

./yarn-session.sh -n 2 -s 2 -jm 1024 -tm 1024 -nm test -d

3.2 Per-Job-Cluster 模式

4. filink 任务提交的两种方式

4.1 命令行提交任务

flink run -c test.WordCount -p 2 -d flinkDemo-1.0-SNAPSHOT.jar

-c ：指定全限定类名

-d：后台运行

-p : 2代表设置的默认并行度

4.2 webUI页面提交

指定全限定类名

指定并行度

取消任务：

./bin/flink list
./bin/flink cancel jobid

flink系列(一)flink部署及架构简介