É possível ativar outros componentes, como o Flink, ao criar um cluster do Dataproc usando o recurso Componentes opcionais. Nesta página, mostramos como criar um cluster do Dataproc com o componente opcional Apache Flink ativado (um cluster Flink) e, em seguida, executar jobs do Flink no cluster.
Você pode usar o cluster Flink para:
Execute jobs do Flink usando o recurso
Jobs
do Dataproc no console do Google Cloud, na Google Cloud CLI ou na API Dataproc.Execute jobs do Flink usando a CLI
flink
em execução no nó mestre do cluster do Flink.Execute o Flink em um cluster do Kerberos.
Criar um cluster Flink do Dataproc
É possível usar o console do Google Cloud, a Google Cloud CLI ou a API Dataproc para criar um cluster do Dataproc que tenha o componente Flink ativado no cluster.
Recomendação: use um cluster de VM padrão de um mestre com o componente Flink. Os clusters de modo de alta disponibilidade do Dataproc (com três VMs mestres) não são compatíveis com o modo de alta disponibilidade Flink.
Console
Para criar um cluster Flink do Dataproc usando o console do Google Cloud, siga as etapas a seguir:
Abra a página Criar um cluster do Dataproc no Compute Engine.
- O painel Configurar cluster está selecionado.
- Na seção Controle de versão, confirme ou altere o Tipo de imagem e versão. A versão da imagem do cluster determina a versão do componente Flink instalado no cluster.
- A versão da imagem precisa ser 1.5 ou superior para ativar o componente Flink no cluster. Consulte Versões compatíveis do Dataproc para ver as listas das versões do componente incluídas em cada versão de imagem do Dataproc.
- A versão da imagem precisa ser [a definir] ou mais recente para executar jobs do Flink por meio da API Dataproc Jobs. Consulte Executar jobs Flink do Dataproc.
- Na seção Componentes:
- Em Gateway de componentes, selecione Ativar gateway de componentes. Ative o Gateway de Componentes para ativar o link do Gateway de Componentes para a interface do Servidor de histórico Flink. Ativar o Gateway de componentes também permite acesso à interface da Web do Gerenciador de jobs do Flink em execução no cluster do Flink.
- Em Componentes opcionais, selecione Flink e outros componentes opcionais para ativar no cluster.
- Na seção Controle de versão, confirme ou altere o Tipo de imagem e versão. A versão da imagem do cluster determina a versão do componente Flink instalado no cluster.
Clique no painel Personalizar cluster (opcional).
Na seção Propriedades do cluster, clique em Adicionar propriedades para cada propriedade do cluster opcional a ser adicionada ao cluster. É possível adicionar propriedades prefixadas
flink
para configurar propriedades do Flink em/etc/flink/conf/flink-conf.yaml
que vão atuar como padrões para aplicativos Flink executados no cluster.Exemplos:
- Defina
flink:historyserver.archive.fs.dir
para especificar o local do Cloud Storage para gravar arquivos de histórico de jobs do Flink. Esse local será usado pelo servidor de histórico Flink em execução no cluster do Flink. - Defina slots de tarefas do Flink com
flink:taskmanager.numberOfTaskSlots=n
.
- Defina
Na seção Metadados de cluster personalizados, clique em Adicionar metadados para incluir metadados opcionais. Por exemplo, adicione
flink-start-yarn-session
true
para executar o daemon do Flink YARN (/usr/bin/flink-yarn-daemon
) em segundo plano no nó mestre do cluster para iniciar uma sessão do Flink YARN (consulte Modo de sessão Flink).
Se você estiver usando a versão de imagem do Dataproc 2.0 ou anterior, clique no painel Gerenciar segurança (opcional) e, em Acesso ao projeto, selecione
Enables the cloud-platform scope for this cluster
. O escopocloud-platform
é ativado por padrão quando você cria um cluster que usa a versão de imagem do Dataproc 2.1 ou posterior.
- O painel Configurar cluster está selecionado.
Clique em Criar para gerar o cluster.
gcloud
Para criar um cluster Flink do Dataproc usando a CLI gcloud, execute o comando gcloud dataproc clusters create a seguir localmente em uma janela do terminal ou no Cloud Shell:
gcloud dataproc clusters create CLUSTER_NAME \ --region=REGION \ --image-version=DATAPROC_IMAGE_VERSION \ --optional-components=FLINK \ --enable-component-gateway \ --properties=PROPERTIES ... other flags
Observações:
- CLUSTER_NAME: especifica o nome do cluster.
- REGION: especifique a região do Compute Engine em que o cluster será localizado.
DATAPROC_IMAGE_VERSION: como opção, especifique a versão da imagem a ser usada no cluster. A versão da imagem do cluster determina a versão do componente Flink instalado no cluster.
A versão da imagem precisa ser 1.5 ou superior para ativar o componente Flink no cluster. Consulte Versões compatíveis do Dataproc para ver as listas das versões do componente incluídas em cada versão de imagem do Dataproc.
A versão da imagem precisa ser [TBD] ou superior para executar jobs do Flink por meio da API Dataproc Jobs. Consulte Executar jobs Flink do Dataproc.
--optional-components
: especifique o componenteFLINK
para executar jobs do Flink e o serviço da Web do Flink HistoryServer no cluster.--enable-component-gateway
: você precisa ativar o Gateway de Componentes para ativar o link do Gateway de Componentes para a interface do Servidor de histórico Flink. Ativar o Gateway de componentes também permite acesso à interface da Web do Gerenciador de jobs do Flink em execução no cluster do Flink.PROPERTIES. Como opção, especifique uma ou mais propriedades do cluster.
Ao criar clusters do Dataproc com as versões de imagem
2.0.67
+ e2.1.15
+, é possível usar a sinalização--properties
para configurar as propriedades do Flink em/etc/flink/conf/flink-conf.yaml
que atuarão como padrões para os aplicativos Flink executados no cluster.Defina
flink:historyserver.archive.fs.dir
para especificar o local do Cloud Storage para gravar arquivos de histórico de jobs do Flink. Esse local será usado pelo servidor de histórico Flink em execução no cluster do Flink.Exemplo de várias propriedades:
--properties=flink:historyserver.archive.fs.dir=gs://my-bucket/my-flink-cluster/completed-jobs,flink:taskmanager.numberOfTaskSlots=2
Outras sinalizações:
- É possível adicionar a sinalização
--metadata flink-start-yarn-session=true
opcional para executar o daemon Flink YARN (/usr/bin/flink-yarn-daemon
) em segundo plano no nó mestre do cluster para iniciar uma sessão do Flink YARN (consulte Modo de sessão Flink).
- É possível adicionar a sinalização
Ao usar versões de imagem 2.0 ou anteriores, é possível adicionar a sinalização
--scopes=https://www.googleapis.com/auth/cloud-platform
para ativar o acesso às APIs do Google Cloud pelo cluster (consulte Prática recomendada para escopos). O escopocloud-platform
é ativado por padrão quando você cria um cluster que usa a versão de imagem do Dataproc 2.1 ou posterior.
API
Para criar um cluster Flink do Dataproc usando a API Dataproc, envie uma solicitação clusters.create da seguinte maneira:
Observações:
Defina o SoftwareConfig.Component como
FLINK
.Se quiser, defina
SoftwareConfig.imageVersion
para especificar a versão da imagem a ser usada no cluster. A versão da imagem do cluster determina a versão do componente Flink instalado no cluster.A versão da imagem precisa ser 1.5 ou superior para ativar o componente Flink no cluster. Consulte Versões compatíveis do Dataproc para ver as listas das versões do componente incluídas em cada versão de imagem do Dataproc.
A versão da imagem precisa ser [TBD] ou superior para executar jobs do Flink por meio da API Dataproc Jobs. Consulte Executar jobs Flink do Dataproc.
Defina EndpointConfig.enableHttpPortAccess como
true
para ativar o link do gateway de componentes para a IU do Flink History Server. Ativar o Gateway de componentes também permite acesso à interface da Web do Gerenciador de jobs do Flink em execução no cluster do Flink.Também é possível definir
SoftwareConfig.properties
para especificar uma ou mais propriedades do cluster.- É possível especificar propriedades do Flink que atuarão como
padrão para aplicativos Flink executados no cluster. Por exemplo,
é possível definir o
flink:historyserver.archive.fs.dir
para especificar o local do Cloud Storage para gravar arquivos de histórico de jobs do Flink. Esse local será usado pelo servidor de histórico Flink em execução no cluster do Flink.
- É possível especificar propriedades do Flink que atuarão como
padrão para aplicativos Flink executados no cluster. Por exemplo,
é possível definir o
Também é possível definir:
GceClusterConfig.metadata
. Por exemplo, para especificarflink-start-yarn-session
true
para executar o daemon do Flink YARN (/usr/bin/flink-yarn-daemon
) em segundo plano no nó mestre do cluster para iniciar uma sessão do Flink YARN (consulte Modo de sessão Flink).- GceClusterConfig.serviceAccountScopes a
https://www.googleapis.com/auth/cloud-platform
(escopocloud-platform
) ao usar versões de imagem 2.0 ou anteriores para permitir o acesso do cluster às APIs do Google Cloud (consulte Prática recomendada de escopos). O escopocloud-platform
é ativado por padrão quando você cria um cluster que usa a versão de imagem do Dataproc 2.1 ou posterior.
Depois de criar um cluster do Flink
- Use o link
Flink History Server
no Gateway de componentes para visualizar o servidor de histórico Flink em execução no cluster Flink. - Use o
YARN ResourceManager link
no Gateway de componentes para visualizar a interface da Web do Gerenciador de jobs do Flink em execução no cluster do Flink . - Crie um servidor de histórico permanente do Dataproc para visualizar os arquivos de histórico de jobs do Flink gravados por clusters do Flink atuais e excluídos.
Executar jobs do Flink usando o recurso Jobs
do Dataproc
É possível executar jobs Flink usando o recurso Jobs
do Dataproc no
Console do Google Cloud, na Google Cloud CLI ou na API Dataproc.
Console
Para enviar um exemplo de job de contagem de palavras do Flink usando o console:
Abra a página Enviar um job do Dataproc no console do Google Cloud no navegador.
Preencha os campos na página Enviar um job:
- Selecione o nome do Cluster na lista de clusters.
- Defina o Tipo de job como
Flink
. - Defina Classe principal ou jar como
org.apache.flink.examples.java.wordcount.WordCount
. - Defina Arquivos Jar como
file:///usr/lib/flink/examples/batch/WordCount.jar
.file:///
indica um arquivo localizado no cluster. O Dataproc instalou oWordCount.jar
quando criou o cluster Flink.- Esse campo também aceita um caminho do Cloud Storage (
gs://BUCKET/JARFILE
) ou um caminho do sistema de arquivos distribuídos do Hadoop (HDFS, na sigla em inglês) (hdfs://PATH_TO_JAR
).
Clique em Enviar.
- A saída do driver do job é exibida na página Detalhes do job.
- Os jobs Flink são listados na página Jobs do Dataproc no console do Google Cloud.
- Para interromper ou excluir um job, clique em Interromper ou Excluir na página Jobs ou Detalhes do job.
gcloud
Para enviar um job do Flink a um cluster do Dataproc Flink, execute o comando gcloud dataproc jobs submit da CLI gcloud localmente em uma janela do terminal ou no Cloud Shell.
gcloud dataproc jobs submit flink \ --cluster=CLUSTER_NAME \ --region=REGION \ --class=MAIN_CLASS \ --jar=JAR_FILE \ -- JOB_ARGS
Observações:
- CLUSTER_NAME: especifique o nome do cluster Flink do Dataproc para enviar o job.
- REGION: especifique a região do Compute Engine em que o cluster está localizado.
- MAIN_CLASS: especifique a classe
main
do aplicativo Flink, como:org.apache.flink.examples.java.wordcount.WordCount
- JAR_FILE: especifica o arquivo jar do aplicativo Flink. É possível especificar:
- Um arquivo jar instalado no cluster usando o prefixo
file:///`:
file:///usr/lib/flink/examples/streaming/TopSpeedWindowing.jar
file:///usr/lib/flink/examples/batch/WordCount.jar
- Um arquivo jar no Cloud Storage:
gs://BUCKET/JARFILE
- Um arquivo jar no HDFS:
hdfs://PATH_TO_JAR
- Um arquivo jar instalado no cluster usando o prefixo
JOB_ARGS: opcionalmente, adicione argumentos do job após o travessão duplo (
--
).Depois de enviar o job, a saída do driver do job será exibida no terminal local ou do Cloud Shell.
Program execution finished Job with JobID 829d48df4ebef2817f4000dfba126e0f has finished. Job Runtime: 13610 ms ... (after,1) (and,12) (arrows,1) (ay,1) (be,4) (bourn,1) (cast,1) (coil,1) (come,1)
REST
Nesta seção, mostramos como enviar um job do Flink para um cluster do Dataproc Flink usando a API jobs.submit do Dataproc.
Antes de usar os dados da solicitação, faça as substituições a seguir:
- PROJECT_ID: ID do projeto do Google Cloud
- REGION: região do cluster
- CLUSTER_NAME: especifique o nome do cluster Flink do Dataproc para enviar o job
Método HTTP e URL:
POST https://dataproc.googleapis.com/v1/projects/PROJECT_ID/regions/REGION/jobs:submit
Corpo JSON da solicitação:
{ "job": { "placement": { "clusterName": "CLUSTER_NAME" }, "flinkJob": { "mainClass": "org.apache.flink.examples.java.wordcount.WordCount", "jarFileUris": [ "file:///usr/lib/flink/examples/batch/WordCount.jar" ] } } }
Para enviar a solicitação, expanda uma destas opções:
Você receberá uma resposta JSON semelhante a esta:
{ "reference": { "projectId": "PROJECT_ID", "jobId": "JOB_ID" }, "placement": { "clusterName": "CLUSTER_NAME", "clusterUuid": "CLUSTER_UUID" }, "flinkJob": { "mainClass": "org.apache.flink.examples.java.wordcount.WordCount", "args": [ "1000" ], "jarFileUris": [ "file:///usr/lib/flink/examples/batch/WordCount.jar" ] }, "status": { "state": "PENDING", "stateStartTime": "2020-10-07T20:16:21.759Z" }, "jobUuid": "JOB_UUID" }
- Os jobs Flink são listados na página Jobs do Dataproc no console do Google Cloud.
- Para interromper ou excluir um job, clique em Interromper ou Excluir na página Jobs ou Detalhes do job no console do Google Cloud.
Executar jobs do Flink usando a CLI flink
Em vez de
executar jobs do Flink usando o recurso Jobs
do Dataproc,
execute jobs no nó mestre do cluster Flink usando a CLI flink
.
As seções a seguir descrevem diferentes maneiras de executar um job da CLI flink
no
cluster do Dataproc Flink.
SSH no nó mestre: use o utilitário SSH para abrir uma janela de terminal na VM do mestre do cluster.
Defina o caminho de classe: inicialize o caminho de classe do Hadoop na janela do terminal SSH na VM mestre do cluster do Flink:
export HADOOP_CLASSPATH=$(hadoop classpath)
Executar jobs Flink:é possível executar jobs Flink em diferentes modos de implantação no YARN: aplicativo, por job e modo de sessão.
Modo de aplicativo:o modo de aplicativo Flink é compatível com a versão 2.0 e posteriores de imagem do Dataproc. Esse modo executa o método
main()
do job no YARN Job Manager. O cluster é encerrado após a conclusão do job.Exemplo de envio de job:
flink run-application \ -t yarn-application \ -Djobmanager.memory.process.size=1024m \ -Dtaskmanager.memory.process.size=2048m \ -Djobmanager.heap.mb=820 \ -Dtaskmanager.heap.mb=1640 \ -Dtaskmanager.numberOfTaskSlots=2 \ -Dparallelism.default=4 \ /usr/lib/flink/examples/batch/WordCount.jar
Liste os jobs em execução:
./bin/flink list -t yarn-application -Dyarn.application.id=application_XXXX_YY
Cancele um job em execução:
./bin/flink cancel -t yarn-application -Dyarn.application.id=application_XXXX_YY <jobId>
Modo por job: esse modo Flink executa o método
main()
do job no lado do cliente.Exemplo de envio de job:
flink run \ -m yarn-cluster \ -p 4 \ -ys 2 \ -yjm 1024m \ -ytm 2048m \ /usr/lib/flink/examples/batch/WordCount.jar
Modo de sessão:inicie uma sessão de longa duração do Flink YARN e envie um ou mais jobs para a sessão.
Inicie uma sessão:é possível iniciar uma sessão do Flink de uma das seguintes maneiras:
Crie um cluster Flink, adicionando a sinalização
--metadata flink-start-yarn-session=true
ao comandogcloud dataproc clusters create
. Consulte Criar um cluster Flink do Dataproc. Com essa sinalização ativada, após a criação do cluster, o Dataproc executa/usr/bin/flink-yarn-daemon
para iniciar uma sessão do Flink no cluster.O ID do aplicativo YARN da sessão é salvo em
/tmp/.yarn-properties-${USER}
. É possível listar o ID com o comandoyarn application -list
.Execute o script
yarn-session.sh
do Flink, que vem pré-instalado na VM do mestre do cluster, com configurações personalizadas:Exemplo com configurações personalizadas:
/usr/lib/flink/bin/yarn-session.sh \ -s 1 \ -jm 1024m \ -tm 2048m \ -nm flink-dataproc \ --detached
Execute o script de wrapper Flink
/usr/bin/flink-yarn-daemon
com as configurações padrão:. /usr/bin/flink-yarn-daemon
Envie um job para uma sessão: execute o seguinte comando para enviar um job Flink para a sessão.
flink run -m <var>FLINK_MASTER_URL</var>/usr/lib/flink/examples/batch/WordCount.jar
- FLINK_MASTER_URL: o URL, incluindo o host
e a porta, da VM mestre do Flink em que os jobs são executados.
Remova
http:// prefix
do URL. Esse URL é listado na resposta ao comando quando você inicia uma sessão Flink. É possível executar o seguinte comando para listar esse URL no campoTracking-URL
:
yarn application -list -appId=<yarn-app-id> | sed 's#http://##' ```
- FLINK_MASTER_URL: o URL, incluindo o host
e a porta, da VM mestre do Flink em que os jobs são executados.
Remova
Listar jobs em uma sessão:para listar jobs do Flink em uma sessão, siga um destes procedimentos:
Execute
flink list
sem argumentos. O comando procura o ID do aplicativo YARN da sessão em/tmp/.yarn-properties-${USER}
.Consiga o ID do aplicativo YARN da sessão de
/tmp/.yarn-properties-${USER}
ou a saída deyarn application -list
e execute<code>
flink list -yid YARN_APPLICATION_ID.Execute
flink list -m FLINK_MASTER_URL
.
Interromper uma sessão:para interromper a sessão, consiga o ID do aplicativo YARN da sessão em
/tmp/.yarn-properties-${USER}
ou na saída deyarn application -list
e execute um dos comandos abaixo:echo "stop" | /usr/lib/flink/bin/yarn-session.sh -id YARN_APPLICATION_ID
yarn application -kill YARN_APPLICATION_ID
Executar jobs do Apache Beam no Flink
É possível executar jobs do Apache Beam no Dataproc usando o FlinkRunner
.
É possível executar jobs do Beam no Flink das seguintes maneiras:
- Jobs do Beam em Java
- Jobs do Beam portáteis
Jobs do Beam em Java
Empacotar os jobs do Beam em um arquivo JAR. Forneça o arquivo JAR empacotado com as dependências necessárias para executar o job.
O exemplo a seguir executa um job do Java Beam a partir do nó mestre do cluster do Dataproc.
Crie um cluster do Dataproc com o componente Flink ativado.
gcloud dataproc clusters create CLUSTER_NAME \ --optional-components=FLINK \ --image-version=DATAPROC_IMAGE_VERSION \ --region=REGION \ --enable-component-gateway \ --scopes=https://www.googleapis.com/auth/cloud-platform
--optional-components
: Flink.--image-version
: a versão de imagem do cluster, que determina a versão do Flink instalada no cluster. Por exemplo, consulte as versões do componente Flink do Apache listadas para a versão mais recente e quatro anteriores versões de lançamento de imagem 2.0.x.--region
: uma região compatível do Dataproc.--enable-component-gateway
: ativa o acesso à IU do Flink Job Manager.--scopes
: ativa o acesso às APIs do Google Cloud pelo cluster (consulte Prática recomendada de escopos). O escopocloud-platform
é ativado por padrão (não é necessário incluir essa configuração de sinalização) quando você cria um cluster que usa a imagem do Dataproc versão 2.1 ou posterior.
Use o utilitário SSH para abrir uma janela de terminal no nó mestre do cluster Flink.
Inicie uma sessão do Flink YARN no nó mestre do cluster do Dataproc.
. /usr/bin/flink-yarn-daemon
Anote a versão do Flink no cluster do Dataproc.
flink --version
Na máquina local, gere o exemplo de contagem de palavras canônica do Beam em Java.
Escolha uma versão do Beam compatível com a versão do Flink no cluster do Dataproc. Consulte a tabela Compatibilidade da versão do Flink (em inglês) que lista a compatibilidade da versão do Beam-Flink.
Abra o arquivo POM gerado. Verifique a versão do executor do Flink do Beam especificada pela tag
<flink.artifact.name>
. Se o executor do Flink do Beam no nome do artefato do Flink não corresponder à versão do Flink no cluster, atualize o número da versão para corresponder.mvn archetype:generate \ -DarchetypeGroupId=org.apache.beam \ -DarchetypeArtifactId=beam-sdks-java-maven-archetypes-examples \ -DarchetypeVersion=BEAM_VERSION \ -DgroupId=org.example \ -DartifactId=word-count-beam \ -Dversion="0.1" \ -Dpackage=org.apache.beam.examples \ -DinteractiveMode=false
Crie um exemplo de contagem de palavras.
mvn package -Pflink-runner
Faça upload do arquivo JAR uber empacotado (
word-count-beam-bundled-0.1.jar
, cerca de 135 MB) no nó mestre do cluster do Dataproc. É possível usargsutil cp
para transferências de arquivos mais rápidas para o cluster do Dataproc do Cloud Storage.No terminal local, crie um bucket do Cloud Storage e faça o upload do JAR uber.
gsutil mb BUCKET_NAME
gsutil cp target/word-count-beam-bundled-0.1.jar gs://BUCKET_NAME/
No nó mestre do Dataproc, faça o download do JAR uber.
gsutil cp gs://BUCKET_NAME/word-count-beam-bundled-0.1.jar .
Execute o job Java Beam no nó mestre do cluster do Dataproc.
flink run -c org.apache.beam.examples.WordCount word-count-beam-bundled-0.1.jar \ --runner=FlinkRunner \ --output=gs://BUCKET_NAME/java-wordcount-out
Verifique se os resultados foram gravados no seu bucket do Cloud Storage.
gsutil cat gs://BUCKET_NAME/java-wordcount-out-SHARD_ID
Interrompa a sessão YARN do Flink.
yarn application -list
yarn application -kill YARN_APPLICATION_ID
Jobs do Beam portáteis
Para executar jobs do Beam escritos em Python, Go e outras linguagens com suporte, use FlinkRunner
e PortableRunner
, conforme descrito na página Flink Runner do Beam (consulte também Roteiro do framework de portabilidade).
No exemplo a seguir, um job portátil do Beam é executado no Python a partir do nó mestre do cluster do Dataproc.
Crie um cluster do Dataproc com os componentes Flink e Docker ativados.
gcloud dataproc clusters create CLUSTER_NAME \ --optional-components=FLINK,DOCKER \ --image-version=DATAPROC_IMAGE_VERSION \ --region=REGION \ --enable-component-gateway \ --scopes=https://www.googleapis.com/auth/cloud-platform
Observações:
--optional-components
: Flink e Docker.--image-version
: a versão da imagem do cluster, que determina a versão do Flink instalada no cluster. Por exemplo, consulte as versões do componente Apache Flink listadas para as quatro versões de lançamento de imagem mais recentes e anteriores.--region
: uma região disponível do Dataproc.--enable-component-gateway
: ativa o acesso à interface do Gerenciador de jobs do Flink.--scopes
: ativa o acesso do cluster às APIs do Google Cloud (consulte Prática recomendada de escopos). O escopocloud-platform
é ativado por padrão (não é necessário incluir essa configuração de sinalização) quando você cria um cluster que usa a imagem do Dataproc versão 2.1 ou posterior.
Use
gsutil
localmente ou no Cloud Shell para criar um bucket do Cloud Storage. Você especificará o BUCKET_NAME ao executar um programa de contagem de palavras de amostra.gsutil mb BUCKET_NAME
Em uma janela do terminal na VM do cluster, inicie uma sessão Flink YARN. Observe o URL do mestre do Flink, o endereço do mestre do Flink em que os jobs são executados. Você especificará FLINK_MASTER_URL ao executar um programa de contagem de palavras de amostra.
. /usr/bin/flink-yarn-daemon
Exiba e observe a versão do Flink que executa o cluster do Dataproc. Você especificará FLINK_VERSION ao executar um programa de contagem de palavras de amostra.
flink --version
Instale as bibliotecas de Python necessárias para o job no nó mestre do cluster.
Instale uma versão do Beam compatível com a versão do Flink no cluster.
python -m pip install apache-beam[gcp]==BEAM_VERSION
Execute o exemplo de contagem de palavras no nó mestre do cluster.
python -m apache_beam.examples.wordcount \ --runner=FlinkRunner \ --flink_version=FLINK_VERSION \ --flink_master=FLINK_MASTER_URL --flink_submit_uber_jar \ --output=gs://BUCKET_NAME/python-wordcount-out
Observações:
--runner
:FlinkRunner
.--flink_version
: FLINK_VERSION, anotado anteriormente.--flink_master
: FLINK_MASTER_URL, anotado anteriormente.--flink_submit_uber_jar
: use o JAR uber para executar o job do Beam.--output
: BUCKET_NAME, criado anteriormente.
Verifique se os resultados foram gravados no bucket.
gsutil cat gs://BUCKET_NAME/python-wordcount-out-SHARD_ID
Interrompa a sessão YARN do Flink.
- Consiga o ID do aplicativo.
yarn application -list
1. Insert the <var>YARN_APPLICATION_ID</var>, then stop the session.yarn application -kill
Executar o Flink em um cluster do Kerberos
O componente Flink do Dataproc é compatível com clusters do Kerberos. Um tíquete do Kerberos válido é necessário para enviar e manter um job do Flink ou para iniciar um cluster do Flink. Por padrão, um tíquete do Kerberos permanece válido por sete dias.
Acessar a interface do Flink Job Manager
A interface da Web do Flink Job Manager está disponível durante a execução de um job de Flink ou um cluster de sessão do Flink. Para usar a interface da Web:
- Crie um cluster Flink do Dataproc.
- Após a criação do cluster, clique no link do YARN ResourceManager do Gateway de componentes na guia Interface da Web da página Detalhes do cluster no console do Google Cloud.
- Na IU do YARN Resource Manager, identifique a entrada do aplicativo de cluster
Flink. Dependendo do status de conclusão de um job, será listado um link ApplicationMaster ou History.
- Para um job de streaming de longa duração, clique no link ApplicationManager para abrir o painel do Flink. Para um job concluído, clique no link Histórico para visualizar os detalhes dele.