云小课｜MRS 基础原理之 Flink 组件介绍

作者：华为云开发者联盟

2023-02-21
中国香港
本文字数：2557 字
阅读完需：约 8 分钟

本文分享自华为云社区《【云小课】EI第44课 MRS基础原理之Flink组件介绍》，作者：阅识风云。

阅识风云是华为云信息大咖，擅长将复杂信息多元化呈现，其出品的一张图(云图说)、深入浅出的博文(云小课)或短视频(云视厅)总有一款能让您快速上手华为云。更多精彩内容请单击此处。

Flink 是一个批处理和流处理结合的统一计算框架，其核心是一个提供了数据分发以及并行化计算的流数据处理引擎。它的最大亮点是流处理，是业界最顶级的开源流处理引擎。

Flink 最适合的应用场景是低时延的数据处理（Data Processing）场景：高并发 pipeline 处理数据，时延毫秒级，且兼具可靠性。

本课程为您介绍华为云 MapReduce 服务中 Flink 服务的基本原理介绍并展示如何通过 MRS 集群客户端提交 Flink 作业。

图 1 Flink 技术栈

Flink 重点构建如下特性：

DataStream
Checkpoint
窗口
Job Pipeline
配置表

Flink 结构

Flink 结构如下图所示。

图 2 Flink 结构

Flink 整个系统包含三个部分：

Client

Flink Client 主要给用户提供向 Flink 系统提交用户任务（流式作业）的能力。

TaskManager

Flink 系统的业务执行节点，执行具体的用户任务。TaskManager 可以有多个，各个 TaskManager 都平等。

JobManager

Flink 系统的管理节点，管理所有的 TaskManager，并决策用户任务在哪些 Taskmanager 执行。JobManager 在 HA 模式下可以有多个，但只有一个主 JobManager。

MRS Flink 关键特性

流式处理

高吞吐、高性能、低时延的实时流处理引擎，能够提供 ms 级时延处理能力。

丰富的状态管理

流处理应用需要在一定时间内存储所接收到的事件或中间结果，以供后续某个时间点访问并进行后续处理。Flink 提供了丰富的状态管理相关的特性支持，其中包括：

丰富的 State Backend：State Backend 负责管理应用程序的状态，并根据需要进行 Checkpoint。Flink 提供了不同 State Backend，State 可以存储在内存上或 RocksDB 等上，并支持异步以及增量的 Checkpoint 机制。

精确一次语义：Flink 的 Checkpoint 和故障恢复能力保证了任务在故障发生前后的应用状态一致性，为某些特定的存储支持了事务型输出的功能，即使在发生故障的情况下，也能够保证精确一次的输出。

丰富的时间语义支持

时间是流处理应用的重要组成部分，对于实时流处理应用来说，基于时间语义的窗口聚合、检测、匹配等运算是非常常见的。Flink 提供了丰富的时间语义支持。

Event-time：使用事件本身自带的时间戳进行计算，使乱序到达或延迟到达的事件处理变得更加简单。

Watermark 支持：Flink 引入 Watermark 概念，用以衡量事件时间的发展。Watermark 也为平衡处理时延和数据完整性提供了灵活的保障。当处理带有 Watermark 的事件流时，在计算完成之后仍然有相关数据到达时，Flink 提供了多种处理选项，如将数据重定向（side output）或更新之前完成的计算结果。

Processing-time 和 Ingestion-time 支持。

高度灵活的流式窗口支持：Flink 能够支持时间窗口、计数窗口、会话窗口，以及数据驱动的自定义窗口，可以通过灵活的触发条件定制，实现复杂的流式计算模式。

容错机制

分布式系统，单个 task 或节点的崩溃或故障，往往会导致整个任务的失败。Flink 提供了任务级别的容错机制，保证任务在异常发生时不会丢失用户数据，并且能够自动恢复。

Checkpoint：Flink 基于 Checkpoint 实现容错，用户可以自定义对整个任务的 Checkpoint 策略，当任务出现失败时，可以将任务恢复到最近一次 Checkpoint 的状态，从数据源重发快照之后的数据。

Savepoint：一个 Savepoint 就是应用状态的一致性快照，Savepoint 与 Checkpoint 机制相似，但 Savepoint 需要手动触发，Savepoint 保证了任务在升级或迁移时，不丢失掉当前流应用的状态信息，便于任何时间点的任务暂停和恢复。

Flink SQL

Table API 和 SQL 借助了 Apache Calcite 来进行查询的解析，校验以及优化，可以与 DataStream 和 DataSet API 无缝集成，并支持用户自定义的标量函数，聚合函数以及表值函数。简化数据分析、ETL 等应用的定义。下面代码实例展示了如何使用 Flink SQL 语句定义一个会话点击量的计数应用。

SELECT userId, COUNT(*)
FROM clicks
GROUP BY SESSION(clicktime, INTERVAL '30' MINUTE), userId

复制代码

CEP in SQL

Flink 允许用户在 SQL 中表示 CEP（Complex Event Processing）查询结果以用于模式匹配，并在 Flink 上对事件流进行评估。

CEP SQL 通过 MATCH_RECOGNIZE 的 SQL 语法实现。MATCH_RECOGNIZE 子句自 Oracle Database 12c 起由 Oracle SQL 支持，用于在 SQL 中表示事件模式匹配。CEP SQL 使用举例如下：

SELECT T.aid, T.bid, T.cid
FROM MyTable
MATCH_RECOGNIZE (
PARTITION BY userid
ORDER BY proctime
MEASURES
A.id AS aid,
B.id AS bid,
C.id AS cid
PATTERN (A B C)
DEFINE
A AS name = 'a',
B AS name = 'b',
C AS name = 'c'
) AS T

复制代码

如何使用 Flink 客户端

购买一个包含 Flink 组件的 MRS 集群，MRS 集群的创建可参考创建集群，例如购买一个 MRS 3.1.0 集群，未开启了 Kerberos 认证。

1、集群正常运行后，安装集群客户端，例如安装目录为“/opt/hadoopclient”。Flink 客户端的安装可以参考安装客户端。

2、以客户端安装用户，登录安装客户端的节点。

3、执行以下命令，切换到客户端安装目录。

cd /opt/hadoopclient

复制代码

source bigdata_env

复制代码

4、运行 wordcount 作业。

方式 1：执行如下命令启动 session，并在 session 中提交作业。
yarn-session.sh -nm "session-name"flink run /opt/hadoopclient/Flink/flink/examples/streaming/WordCount.jar
方式 2：执行如下命令在 Yarn 上提交单个作业。
flink run -m yarn-cluster /opt/hadoopclient/Flink/flink/examples/streaming/WordCount.jar

5、作业提交成功后，客户端界面显示类似如下。

图 3 在 Yarn 上提交作业成功

图 4 启动 session 成功

图 5 在 session 中提交作业成功

6、使用运行用户登录 MRS 集群的 FusionInsight Manager 界面，单击“集群 > 服务 > Yarn”，单击“ResourceManager WebUI”后的链接，进入 Yarn 服务的原生页面，找到对应作业的 application，单击 application 名称，进入到作业详情页面。

若作业尚未结束，可单击“Tracking URL”链接进入到 Flink 的原生页面，查看作业的运行信息。

若作业已运行结束，对于在 session 中提交的作业，可以单击“Tracking URL”链接登录 Flink 原生页面查看作业信息。

application