本文介绍如何在挂载文件存储HDFS版的Hadoop集群上安装及使用Apache Flink。

前提条件

  • 已开通文件存储HDFS版服务并创建文件系统实例和挂载点。具体操作，请参见文件存储HDFS版快速入门。
  • 已为Hadoop集群所有节点安装JDK，且JDK版本不低于1.8。
  • 已下载Apache Hadoop压缩包。建议您选用的Hadoop版本不低于2.7.2，本文使用的Hadoop版本为Apache Hadoop 2.7.2。
  • 已下载Apache Flink压缩包。本文使用的版本为官方提供的预编译版本Apache Flink 1.12.5。

步骤一：配置Hadoop

  1. 执行以下命令解压Hadoop压缩包到指定目录。
    tar -zxf hadoop-2.7.2.tar.gz -C /usr/local/
  2. 修改hadoop-env.sh配置文件。
    1. 执行以下命令打开hadoop-env.sh配置文件。
      vim /usr/local/hadoop-2.7.2/etc/hadoop/hadoop-env.sh
    2. 配置JAVA_HOME目录，如下所示。
      export JAVA_HOME=/usr/java/default
  3. 修改core-site.xml配置文件。
    1. 执行以下命令打开core-site.xml配置文件。
      vim /usr/local/hadoop-2.7.2/etc/hadoop/core-site.xml
    2. 在core-site.xml配置文件中，配置如下信息。更多信息，请参见使用ECS挂载HDFS文件系统。
      <configuration>
    <property>
         <name>fs.defaultFS</name>
         <value>dfs://x-xxxxxxxx.cn-xxxxx.dfs.aliyuncs.com:10290</value>
         <!-- 该地址填写您的挂载点地址 -->
    </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>
</configuration>
  4. 修改yarn-site.xml配置文件。
    1. 执行如下命令打开yarn-site.xml配置文件。
      vim /usr/local/hadoop-2.7.2/etc/hadoop/yarn-site.xml
    2. 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>
        <!-- 该地址填写集群中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>
        <!-- 根据您当前的集群能力进行配置此项 -->
    </property>
    <property>
        <name>yarn.nodemanager.resource.cpu-vcores</name>
        <value>4</value>
        <!-- 根据您当前的集群能力进行配置此项 -->
    </property>
    <property>
        <name>yarn.scheduler.maximum-allocation-vcores</name>
        <value>4</value>
        <!-- 根据您当前的集群能力进行配置此项 -->
    </property>
    <property>
        <name>yarn.scheduler.minimum-allocation-mb</name>
        <value>3584</value>
        <!-- 根据您当前的集群能力进行配置此项 -->
    </property>
    <property>
        <name>yarn.scheduler.maximum-allocation-mb</name>
        <value>14336</value>
        <!-- 根据您当前的集群能力进行配置此项 -->
    </property>
</configuration>
  5. 修改slaves配置文件。
    1. 执行如下命令打开slaves配置文件。
      vim /usr/local/hadoop-2.7.2/etc/hadoop/slaves
    2. 在slaves配置文件中，配置集群计算节点的Hostname。
      cluster-header-1
      cluster-worker-1
  6. 配置环境变量。
    1. 执行如下命令打开/etc/profile配置文件。
      vim /etc/profile
    2. 在/etc/profile配置文件中，配置HADOOP_HOME。
      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
    3. 执行如下命令使配置生效。
      source /etc/profile
  7. 配置文件存储HDFS版的Java SDK。

    您可以下载最新的文件存储HDFS版的Java SDK，将其部署在Hadoop生态系统组件的CLASSPATH上，具体操作，请参见使用ECS挂载HDFS文件系统。

    cp aliyun-sdk-dfs-x.y.z.jar  /usr/local/hadoop-2.7.2/share/hadoop/hdfs
  8. 执行如下命令将${HADOOP_HOME}文件夹同步到集群的其他节点的相同目录下，并按照步骤6对集群其他节点配置Hadoop的环境变量。
    scp -r hadoop-2.7.2/ hadoop@cluster-worker-1:/usr/local/

步骤二：验证Hadoop配置

完成Hadoop配置后，不需要格式化NameNode，也不需要使用start-dfs.sh来启动HDFS相关服务。如需使用YARN服务，只需在ResourceManager节点启动YARN服务。具体验证Hadoop配置成功的方法，请参见验证安装。

步骤三：配置Flink

执行以下命令，解压Flink压缩包到指定目录。
tar -zxf flink-1.12.5-bin-scala_2.11.tgz -C /usr/local/
重要
  • 在使用Flink前，必须在您的集群环境变量中配置HADOOP_HOME，HADOOP_CLASSPATH和HADOOP_CONF_DIR。具体操作，请参见配置环境变量。
  • 如果您需要对Flink进行额外的配置，请参见配置操作指南。

步骤四：验证Flink配置

使用Flink自带的WordCount.jar对文件存储HDFS版上的数据进行读取，并将计算结果写入到文件存储HDFS版。

  1. 在文件存储HDFS版上生成测试数据。
    ${HADOOP_HOME}/bin/hadoop jar  ${HADOOP_HOME}/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar \
randomtextwriter \
-D mapreduce.randomtextwriter.totalbytes=10240 \
-D mapreduce.randomtextwriter.bytespermap=1024 \
dfs://f-xxxxxxx.cn-zhangjiakou.dfs.aliyuncs.com:10290/input

    其中，f-xxxxxxx.cn-zhangjiakou.dfs.aliyuncs.com为您的文件存储HDFS版的挂载点，请根据实际情况替换。

  2. 执行以下命令，检查环境变量中是否包含HADOOP_CLASSPATH。
    echo $HADOOP_CLASSPATH
    如果环境变量中不包含HADOOP_CLASSPATH，执行以下命令，配置HADOOP_CLASSPATH。
    export HADOOP_CLASSPATH=$HADOOP_CLASSPATH:$($HADOOP_HOME/bin/hadoop classpath)
  3. 执行以下命，启动Flink Session on YARN。
    ./flink-1.12.5/bin/yarn-session.sh --detached
  4. 执行WordCount.jar。
    ./flink-1.12.5/bin/flink run \
./flink-1.12.5/examples/batch/WordCount.jar \
--input dfs://f-xxxxxxx.cn-zhangjiakou.dfs.aliyuncs.com:10290/flink-test/input \
--output dfs://f-xxxxxxx.cn-zhangjiakou.dfs.aliyuncs.com:10290/flink-test/output

    其中，f-xxxxxxx.cn-zhangjiakou.dfs.aliyuncs.com为您的文件存储HDFS版的挂载点地址，请根据实际情况替换。

  5. 查看输出在文件存储HDFS版实例上的部分结果。
    ${HADOOP_HOME}/bin/hadoop fs -cat dfs://f-xxxxxxx.cn-zhangjiakou.dfs.aliyuncs.com:10290/flink-test/output | tail -20

    如果返回以下类似信息，则表示Flink配置成功。

    查看结果文件