鏡像下載、域名解析、時間同步請點擊 阿里巴巴開源鏡像站
一、準備工作
在文件存儲HDFS上使用Apache Flink,需要先完成以下準備工作。
說明 本文檔的操作步驟中涉及的安裝包版本號、文件夾路徑,請根據實際情況進行替換。
- 開通文件存儲HDFS服務並創建文件系統實例和掛載點,詳情請參見HDFS快速入門。
- 在計算節點上安裝JDK。版本不能低於1.8。
- 在計算節點上安裝Scala。Scala下載地址:官方鏈接,其版本要與使用的Apache Flink版本相兼容。
- 下載Apache Hadoop壓縮包。Apache Hadoop下載地址:官方鏈接。建議您選用的Apache Hadoop版本不低於2.7.2,本文檔中使用的Apache Hadoop版本為Apache Hadoop 2.7.2。
- 下載Apache Flink壓縮包。在文件存儲HDFS上使用的Flink的版本必須為1.9.0及以上,Apache Flink下載地址:官方鏈接。本文檔中使用的Flink版本為官方提供的預編譯版本Flink 1.9.0。
二、配置Apache Hadoop
1、執行如下命令解壓Apache Hadoop壓縮包到指定文件夾。
tar -zxvf hadoop-2.7.2.tar.gz -C /usr/local/
2、修改hadoop-env.sh配置文件。
- 執行如下命令打開hadoop-env.sh配置文件。
vim /usr/local/hadoop-2.7.2/etc/hadoop/hadoop-env.sh
- 配置JAVA_HOME目錄,如下所示。
export JAVA_HOME=/usr/java/default
3、修改core-site.xml配置文件。
- 執行如下命令打開core-site.xml配置文件。
vim /usr/local/hadoop-2.7.2/etc/hadoop/core-site.xml
- 在core-site.xml配置文件中,配置如下信息,詳情請參見掛載文件系統。
<configuration>
<property>
<name>fs.defaultFS</name>
<value>dfs://x-xxxxxxxx.cn-xxxxx.dfs.aliyuncs.com:10290</value>
<!-- 該地址填寫您的掛載點地址 -->
</property>
<property>
<name>fs.dfs.impl</name>
<value>com.alibaba.dfs.DistributedFileSystem</value>
</property>
<property>
<name>fs.AbstractFileSystem.dfs.impl</name>
<value>com.alibaba.dfs.DFS</value>
</property>
<property>
<name>io.file.buffer.size</name>
<value>8388608</value>
</property>
<property>
<name>alidfs.use.buffer.size.setting</name>
<value>true</value>
</property>
<property>
<name>dfs.usergroupservice.impl</name>
<value>com.alibaba.dfs.security.LinuxUserGroupService.class</value>
</property>
<property>
<name>dfs.connection.count</name>
<value>16</value>
</property>
</configuration>
4、修改mapred-site.xml配置文件。
- 執行如下命令打開mapred-site.xml配置文件。
vim /usr/local/hadoop-2.7.2/etc/hadoop/mapred-site.xml
- 在mapred-site.xml配置文件中,配置如下信息。
<configuration>
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
</configuration>
5、修改yarn-site.xml配置文件。
- 執行如下命令打開yarn-site.xml配置文件。
vim /usr/local/hadoop-2.7.2/etc/hadoop/yarn-site.xml
- 在yarn-site.xml配置文件中,配置如下信息。
<configuration>
<property>
<name>yarn.resourcemanager.hostname</name>
<value>xxxx</value>
<!-- 該地址填寫集群中yarn的resourcemanager的hostname -->
</property>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
<property>
<name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name>
<value>org.apache.hadoop.mapred.ShuffleHandler</value>
</property>
<property>
<name>yarn.nodemanager.resource.memory-mb</name>
<value>16384</value>
<!-- 根據您當前的集群能力進行配置此項 -->
</property>
<property>
<name>yarn.nodemanager.resource.cpu-vcores</name>
<value>4</value>
<!-- 根據您當前的集群能力進行配置此項 -->
</property>
<property>
<name>yarn.scheduler.maximum-allocation-vcores</name>
<value>4</value>
<!-- 根據您當前的集群能力進行配置此項 -->
</property>
<property>
<name>yarn.scheduler.minimum-allocation-mb</name>
<value>3584</value>
<!-- 根據您當前的集群能力進行配置此項 -->
</property>
<property>
<name>yarn.scheduler.maximum-allocation-mb</name>
<value>14336</value>
<!-- 根據您當前的集群能力進行配置此項 -->
</property>
</configuration>
6、修改slaves配置文件。
- 執行如下命令打開slaves配置文件。
vim /usr/local/hadoop-2.7.2/etc/hadoop/slaves
- 在slaves配置文件中,配置如下信息。
node1
node2
7、配置環境變量。
- 執行如下命令打開/etc/profile配置文件。
vim /etc/profile
- 在/etc/profile配置文件中,配置如下信息。
export HADOOP_HOME=/usr/local/hadoop-2.7.2
export HADOOP_CLASSPATH=$($HADOOP_HOME/bin/hadoop classpath)
export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop
export PATH=$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH
- 執行如下命令使配置生效。
source /etc/profile
8、執行如下命令配置文件存儲HDFS的SDK。您可以單擊下載文件存儲HDFS的SDK(此處以aliyun-sdk-dfs-1.0.3.jar為例),將其部署在Apache Hadoop生態系統組件的CLASSPATH上,詳情請參見掛載文件系統。
cp aliyun-sdk-dfs-1.0.3.jar /usr/local/hadoop-2.7.2/share/hadoop/hdfs
9、執行如下命令將${HADOOP_HOME}文件夾同步到集群的其他節點。
scp -r hadoop-2.7.2/ root@node2:/usr/local/
三、驗證Apache Hadoop配置
完成Apache Hadoop配置後,不需要格式化namenode,也不需要使用start-dfs.sh來啟動HDFS相關服務。如需使用yarn服務,只需在resourcemanager節點啟動yarn服務,具體驗證Apache Hadoop配置成功的方法請參見驗證安裝。
四、編譯flink-shade
1、下載 flink-shade源碼到指定目錄。
git clone https://github.com/apache/flink-shaded.git ~/flink-shade
2、修改flink-shade源碼中的pom文件。修改Hadoop版本為您的集群中使用的版本,在本文檔中使用的Hadoop版本為2.7.2。
vim ~/flink-shaded/flink-shaded-hadoop-2-parent/pom.xml
在依賴項中添加文件存儲HDFS SDK,在本文檔使用文件存儲HDFS SDK版本為1.0.3。
vim ~/flink-shaded/flink-shaded-hadoop-2-parent/flink-shaded-hadoop-2/pom.xml
...
<dependency>
<groupId>com.aliyun.dfs</groupId>
<artifactId>aliyun-sdk-dfs</artifactId>
<version>1.0.3</version>
</dependency>
...
3、編譯打包。
cd ~/flink-shaded
mvn package -Dshade-sources
五、配置Apache Flink
1、執行如下命令解壓Flink壓縮包到指定文件夾。
tar -zxvf flink-1.9.0-bin-scala_2.11.tgz -C /usr/local/
2、拷貝flink-shade編譯的flink-shaded-hadoop-2-uber-x.y.z.jar到Flink的lib目錄下。
cp ~/flink-shaded/flink-shaded-hadoop-2-parent/flink-shaded-hadoop-2-uber/target/flink-shaded-hadoop-2-uber-2.7.2-11.0.jar /usr/local/flink-1.9.0/lib/
說明
- 在使用Apache Flink之前必須在您的集群環境變量中配置HADOOP_HOME,HADOOP_CLASSPATH和HADOOP_CONF_DIR,詳情請參見配置Apache Hadoop中的步驟7:配置環境變量。
- 如果您使用的Flink版本中已經包含
flink-shaded-hadoop-2-uber-x.y.z.jar
,則需要使用編譯flink-shade中編譯的flink-shaded-hadoop-2-uber-x.y.z.jar
進行替換。- 如果您需要對Flink進行額外的配置,請參考官方文檔:配置操作指南。
六、驗證Apache Flink配置
使用Flink自帶的WordCount.jar對文件存儲HDFS上的數據進行讀取,並將計算結果寫入到文件存儲HDFS,在測試之前需要先啟動yarn服務。
1、生成測試數據。此處使用Apache Hadoop 2.7.2自帶的jar包hadoop-mapreduce-examples-2.7.2.jar中的randomtextwriter方法在文件存儲HDFS上生成測試數據。
/usr/local/hadoop-2.7.2/bin/hadoop jar /usr/local/hadoop-2.7.2/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar
randomtextwriter \
-D mapreduce.randomtextwriter.totalbytes=10240 \
-D mapreduce.randomtextwriter.bytespermap=1024 \
-D mapreduce.job.maps=4 \
-D mapreduce.job.reduces=2 \
dfs://f-xxxxx.cn-xxx.dfs.aliyuncs.com:10290/flink-test/input \
其中,dfs://f-xxxxx.cn-xxx.dfs.aliyuncs.com:10290為文件存儲HDFS的掛載點,請根據您的實際情況替換。
2、查看在文件存儲HDFS上生成的測試數據。
/usr/local/hadoop-2.7.2/bin/hadoop fs -cat dfs://f-xxxxx.cn-xxx.dfs.aliyuncs.com:10290/flink-test/input/*
其中,dfs://f-xxxxx.cn-xxx.dfs.aliyuncs.com:10290為文件存儲HDFS的掛載點,請根據您的實際情況替換。
3、提交wordcount程序。
/usr/local/flink-1.9.0/bin/flink run
-m yarn-cluster -yn 1 -yjm 1024 -ytm 1024 \
/usr/local/flink-1.9.0/examples/batch/WordCount.jar \
--input dfs://f-xxxxx.cn-xxx.dfs.aliyuncs.com:10290/flink-test/input \
--output dfs://f-xxxxx.cn-xxx.dfs.aliyuncs.com:10290/flink-test/output \
其中,dfs://f-xxxxx.cn-xxx.dfs.aliyuncs.com:10290為文件存儲HDFS的掛載點,請根據您的實際情況替換。
4、查看在文件存儲HDFS上的結果文件。
/usr/local/hadoop-2.7.2/bin/hadoop fs -cat dfs://f-xxxxx.cn-xxx.dfs.aliyuncs.com:10290/flink-test/output
其中,dfs://f-xxxxx.cn-xxx.dfs.aliyuncs.com:10290為文件存儲HDFS的掛載點,請根據您的實際情況替換。
“ 阿里巴巴開源鏡像站 提供全面,高效和穩定的鏡像下載服務。釘釘搜索 ' 21746399 ‘ 加入鏡像站官方用戶交流群。”