Puoi attivare componenti aggiuntivi come Flink quando crei un cluster Dataproc utilizzando la funzionalità Componenti facoltativi. Questa pagina mostra come creare un cluster Dataproc con il componente facoltativo Apache Flink attivato (un cluster Flink) e quindi eseguire job Flink sul cluster.
Puoi utilizzare il cluster Flink per:
Esegui job Flink utilizzando la risorsa Dataproc
Jobs
dalla console Google Cloud, da Google Cloud CLI o dall'API Dataproc.Esegui job Flink utilizzando l'interfaccia a riga di comando
flink
in esecuzione sul nodo master del cluster Flink.
Crea un cluster Dataproc Flink
Puoi utilizzare la console Google Cloud, Google Cloud CLI o l'API Dataproc per creare un cluster Dataproc con il componente Flink attivato sul cluster.
Suggerimento: utilizza un cluster VM standard a 1 master con il componente Flink. I cluster in modalità Dataproc ad alta disponibilità (con 3 VM master) non supportano la modalità ad alta disponibilità di Flink.
Console
Per creare un cluster Dataproc Flink utilizzando la console Google Cloud, esegui questi passaggi:
Apri la pagina Creare un cluster Dataproc su Compute Engine di Dataproc.
- Il riquadro Configura cluster è selezionato.
- Nella sezione Controllo delle versioni, conferma o modifica il Tipo e la versione dell'immagine. La versione dell'immagine del cluster determina la versione del componente Flink installato nel cluster.
- La versione immagine deve essere 1.5 o successiva per attivare il componente Flink sul cluster (vedi Versioni Dataproc supportate per visualizzare un elenco delle versioni dei componenti incluse in ogni release di immagine Dataproc).
- La versione dell'immagine deve essere [da definire] o successiva per poter eseguire job Flink tramite l'API Dataproc Jobs (consulta Eseguire job Flink Dataproc).
- Nella sezione Componenti:
- In Gateway dei componenti, seleziona Attiva gateway dei componenti. Devi abilitare il gateway dei componenti per attivare il link del gateway dei componenti all'interfaccia utente del server di cronologia Flink. L'abilitazione del gateway dei componenti consente inoltre di accedere all'interfaccia web di Gestore job di Flink in esecuzione sul cluster Flink.
- In Componenti facoltativi, seleziona Flink e altri componenti facoltativi da attivare sul cluster.
- Nella sezione Controllo delle versioni, conferma o modifica il Tipo e la versione dell'immagine. La versione dell'immagine del cluster determina la versione del componente Flink installato nel cluster.
Fai clic sul riquadro Personalizza cluster (facoltativo).
Nella sezione Proprietà del cluster, fai clic su Aggiungi proprietà per ciascuna proprietà cluster facoltativa da aggiungere al cluster. Puoi aggiungere proprietà con prefisso
flink
per configurare le proprietà Flink in/etc/flink/conf/flink-conf.yaml
che agiranno come predefinite per le applicazioni Flink eseguite sul cluster.Esempi:
- Imposta
flink:historyserver.archive.fs.dir
per specificare il percorso di Cloud Storage in cui scrivere i file di cronologia dei job Flink (questa posizione verrà utilizzata dal server di cronologia Flink in esecuzione sul cluster Flink). - Imposta gli slot attività Flink con
flink:taskmanager.numberOfTaskSlots=n
.
- Imposta
Nella sezione Metadati cluster personalizzati, fai clic su Aggiungi metadati per aggiungere metadati facoltativi. Ad esempio, aggiungi
flink-start-yarn-session
true
per eseguire il daemon Flink YARN (/usr/bin/flink-yarn-daemon
) in background sul nodo master del cluster per avviare una sessione Flink YARN (vedi Modalità sessione Flink).
Se utilizzi l'immagine Dataproc versione 2.0 o precedente, fai clic sul riquadro Gestisci sicurezza (facoltativo) e poi, sotto Accesso al progetto, seleziona
Enables the cloud-platform scope for this cluster
. L'ambitocloud-platform
è abilitato per impostazione predefinita quando crei un cluster che utilizza l'immagine Dataproc versione 2.1 o successiva.
- Il riquadro Configura cluster è selezionato.
Fai clic su Crea per creare il cluster.
gcloud
Per creare un cluster Dataproc Flink utilizzando gcloud CLI, esegui il seguente comando gcloud dataproc clusters create localmente in una finestra del terminale o in 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
Note
- CLUSTER_NAME: specifica il nome del cluster.
- REGION: specifica una regione di Compute Engine in cui si troverà il cluster.
DATAPROC_IMAGE_VERSION: specifica la versione dell'immagine da utilizzare nel cluster. La versione dell'immagine del cluster determina la versione del componente Flink installato nel cluster.
La versione immagine deve essere 1.5 o successiva per attivare il componente Flink sul cluster (vedi Versioni Dataproc supportate per visualizzare un elenco delle versioni dei componenti incluse in ogni release di immagine Dataproc).
La versione dell'immagine deve essere [da definire] o successiva per eseguire job Flink tramite l'API Dataproc Jobs (consulta Eseguire job Flink Dataproc).
--optional-components
: devi specificare il componenteFLINK
per eseguire i job Flink e il servizio web Flink HistoryServer sul cluster.--enable-component-gateway
: devi abilitare il gateway dei componenti per attivare il link del gateway dei componenti all'interfaccia utente del server di cronologia Flink. L'abilitazione del gateway dei componenti consente anche di accedere all'interfaccia web di Gestore job di Flink in esecuzione sul cluster Flink.PROPERTIES. Facoltativamente, specifica una o più proprietà del cluster.
Durante la creazione di cluster Dataproc con versioni immagine
2.0.67
+ e2.1.15
+, puoi utilizzare il flag--properties
per configurare le proprietà Flink in/etc/flink/conf/flink-conf.yaml
che verranno utilizzate come predefinite per le applicazioni Flink eseguite sul cluster.Puoi impostare
flink:historyserver.archive.fs.dir
per specificare il percorso di Cloud Storage in cui scrivere i file di cronologia dei job Flink (questa posizione verrà utilizzata dal server di cronologia Flink in esecuzione sul cluster Flink).Esempio di più proprietà:
--properties=flink:historyserver.archive.fs.dir=gs://my-bucket/my-flink-cluster/completed-jobs,flink:taskmanager.numberOfTaskSlots=2
Altri flag:
- Puoi aggiungere il flag facoltativo
--metadata flink-start-yarn-session=true
per eseguire il daemon Flink YARN (/usr/bin/flink-yarn-daemon
) in background sul nodo master del cluster per avviare una sessione Flink YARN (vedi Modalità sessione Flink).
- Puoi aggiungere il flag facoltativo
Quando utilizzi versioni delle immagini 2.0 o precedenti, puoi aggiungere il flag
--scopes=https://www.googleapis.com/auth/cloud-platform
per abilitare l'accesso alle API Google Cloud da parte del tuo cluster (consulta Best practice per gli ambiti). L'ambitocloud-platform
è abilitato per impostazione predefinita quando crei un cluster che utilizza l'immagine Dataproc versione 2.1 o successiva.
API
Per creare un cluster Dataproc Flink utilizzando l'API Dataproc, invia una richiesta clusters.create come segue:
Note
Imposta SoftwareConfig.Component su
FLINK
.Facoltativamente, puoi impostare
SoftwareConfig.imageVersion
per specificare la versione dell'immagine da utilizzare sul cluster. La versione dell'immagine del cluster determina la versione del componente Flink installato nel cluster.La versione immagine deve essere 1.5 o successiva per attivare il componente Flink sul cluster (vedi Versioni Dataproc supportate per visualizzare un elenco delle versioni dei componenti incluse in ogni release di immagine Dataproc).
La versione dell'immagine deve essere [da definire] o successiva per eseguire job Flink tramite l'API Dataproc Jobs (consulta Eseguire job Flink Dataproc).
Imposta EndpointConfig.enableHttpPortAccess su
true
per abilitare il collegamento del gateway dei componenti all'interfaccia utente del server di cronologia Flink. L'abilitazione del gateway dei componenti consente anche di accedere all'interfaccia web di Gestore job di Flink in esecuzione sul cluster Flink.Facoltativamente, puoi impostare
SoftwareConfig.properties
per specificare una o più proprietà del cluster.- Puoi specificare le proprietà Flink che verranno utilizzate come predefinite per le applicazioni Flink in esecuzione sul cluster. Ad esempio, puoi impostare
flink:historyserver.archive.fs.dir
per specificare il percorso di Cloud Storage in cui scrivere i file di cronologia dei job Flink (questa posizione sarà utilizzata dal server di cronologia Flink in esecuzione sul cluster Flink).
- Puoi specificare le proprietà Flink che verranno utilizzate come predefinite per le applicazioni Flink in esecuzione sul cluster. Ad esempio, puoi impostare
Se vuoi, puoi impostare:
GceClusterConfig.metadata
. ad esempio, per specificareflink-start-yarn-session
true
per eseguire il daemon Flink YARN (/usr/bin/flink-yarn-daemon
) in background sul nodo master del cluster per avviare una sessione Flink YARN (vedi Modalità sessione Flink).- Da GceClusterConfig.serviceAccountScopes
a
https://www.googleapis.com/auth/cloud-platform
(ambitocloud-platform
) quando si utilizzano versioni immagine 2.0 o precedenti per abilitare l'accesso alle API Google Cloud da parte del cluster (consulta Best practice per gli ambiti). L'ambitocloud-platform
è abilitato per impostazione predefinita quando crei un cluster che utilizza l'immagine Dataproc versione 2.1 o successiva.
Dopo aver creato un cluster Flink
- Utilizza il link
Flink History Server
nel gateway dei componenti per visualizzare il server di cronologia Flink in esecuzione sul cluster Flink. - Utilizza
YARN ResourceManager link
nel gateway dei componenti per visualizzare l'interfaccia web di Flink Job Manager in esecuzione sul cluster Flink . - Crea un server di cronologia permanente di Dataproc per visualizzare i file di cronologia dei job Flink scritti da cluster Flink esistenti ed eliminati.
Esegui job Flink utilizzando la risorsa Dataproc Jobs
Puoi eseguire job Flink utilizzando la risorsa Dataproc Jobs
dalla console Google Cloud, da Google Cloud CLI o dall'API Dataproc.
Console
Per inviare un job di conteggio parole Flink di esempio dalla console:
Apri la pagina Invia un job di Dataproc nella console Google Cloud nel tuo browser.
Compila i campi nella pagina Invia un job:
- Seleziona il nome del tuo cluster dall'elenco dei cluster.
- Imposta Tipo di job su
Flink
. - Imposta Classe principale o jar su
org.apache.flink.examples.java.wordcount.WordCount
. - Imposta File jar su
file:///usr/lib/flink/examples/batch/WordCount.jar
.file:///
indica un file che si trova nel cluster. Dataproc ha installatoWordCount.jar
durante la creazione del cluster Flink.- Questo campo accetta anche un percorso Cloud Storage
(
gs://BUCKET/JARFILE
) o un percorso HDFS (Hadoop Distributed File System) (hdfs://PATH_TO_JAR
).
Fai clic su Invia.
- L'output del driver del job viene visualizzato nella pagina Dettagli job.
- I job Flink sono elencati nella pagina Job di Dataproc della console Google Cloud.
- Fai clic su Arresta o Elimina dalla pagina Job o Dettagli job per arrestare o eliminare un job.
gcloud
Per inviare un job Flink a un cluster Flink Dataproc, esegui il comando gcloud CLI gcloud dataproc job send localmente in una finestra del terminale o in Cloud Shell.
gcloud dataproc jobs submit flink \ --cluster=CLUSTER_NAME \ --region=REGION \ --class=MAIN_CLASS \ --jar=JAR_FILE \ -- JOB_ARGS
Note
- CLUSTER_NAME: specifica il nome del cluster Dataproc Flink a cui inviare il job.
- REGION: specifica una regione di Compute Engine in cui si trova il cluster.
- MAIN_CLASS: specifica la classe
main
dell'applicazione Flink, ad esempio:org.apache.flink.examples.java.wordcount.WordCount
- JAR_FILE: specifica il file jar dell'applicazione Flink. Puoi specificare:
- Un file jar installato nel cluster, con il prefisso
file:///`:
file:///usr/lib/flink/examples/streaming/TopSpeedWindowing.jar
file:///usr/lib/flink/examples/batch/WordCount.jar
- Un file jar in Cloud Storage:
gs://BUCKET/JARFILE
- Un file jar in HDFS:
hdfs://PATH_TO_JAR
- Un file jar installato nel cluster, con il prefisso
JOB_ARGS: se vuoi, aggiungi argomenti del job dopo il doppio trattino (
--
).Dopo aver inviato il job, l'output del driver del job viene visualizzato nel terminale locale o di 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
Questa sezione mostra come inviare un job Flink a un cluster Dataproc Flink utilizzando l'API Dataproc jobs.submit.
Prima di utilizzare i dati della richiesta, effettua le seguenti sostituzioni:
- PROJECT_ID: ID progetto Google Cloud
- REGION: regione del cluster
- CLUSTER_NAME: specifica il nome del cluster Dataproc Flink a cui inviare il job
Metodo HTTP e URL:
POST https://dataproc.googleapis.com/v1/projects/PROJECT_ID/regions/REGION/jobs:submit
Corpo JSON della richiesta:
{ "job": { "placement": { "clusterName": "CLUSTER_NAME" }, "flinkJob": { "mainClass": "org.apache.flink.examples.java.wordcount.WordCount", "jarFileUris": [ "file:///usr/lib/flink/examples/batch/WordCount.jar" ] } } }
Per inviare la richiesta, espandi una delle seguenti opzioni:
Dovresti ricevere una risposta JSON simile alla seguente:
{ "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" }
- I job Flink sono elencati nella pagina Job di Dataproc della console Google Cloud.
- Puoi fare clic su Arresta o Elimina dalla pagina Job o Dettagli job nella console Google Cloud per arrestare o eliminare un job.
Esegui job Flink utilizzando l'interfaccia a riga di comando flink
Anziché
eseguire job Flink utilizzando la risorsa Dataproc Jobs
,
puoi eseguire job Flink sul nodo master del tuo cluster Flink utilizzando l'interfaccia a riga di comando flink
.
Le seguenti sezioni descrivono i diversi modi in cui puoi eseguire un job dell'interfaccia a riga di comando flink
sul cluster Dataproc Flink.
Accedi tramite SSH al nodo master: utilizza l'utilità SSH per aprire una finestra del terminale sulla VM master del cluster.
Imposta il classpath: inizializza il classpath di Hadoop dalla finestra del terminale SSH sulla VM master del cluster Flink:
export HADOOP_CLASSPATH=$(hadoop classpath)
Esegui job Flink: puoi eseguire job Flink in diverse modalità di deployment su YARN: applicazione, per job e sessione.
Modalità applicazione: La modalità applicazione Flink è supportata da Dataproc Image 2.0 e versioni successive. Questa modalità esegue il metodo
main()
del job nel gestore job YARN. Il cluster si arresta al termine del job.Esempio di invio di un job:
flink run-application \ -t yarn-application \ -Djobmanager.memory.process.size=1024m \ -Dtaskmanager.memory.process.size=2048m \ -Djobmanager.heap.mb=820 \ -Dtaskmanager.heap.mb=1640 \ -Dtaskmanager.numberOfTaskSlots=2 \ -Dparallelism.default=4 \ /usr/lib/flink/examples/batch/WordCount.jar
Elenca i job in esecuzione:
./bin/flink list -t yarn-application -Dyarn.application.id=application_XXXX_YY
Annulla un job in esecuzione:
./bin/flink cancel -t yarn-application -Dyarn.application.id=application_XXXX_YY <jobId>
Modalità per job: questa modalità Flink esegue il metodo
main()
del job sul lato client.Esempio di invio di un job:
flink run \ -m yarn-cluster \ -p 4 \ -ys 2 \ -yjm 1024m \ -ytm 2048m \ /usr/lib/flink/examples/batch/WordCount.jar
Modalità sessione:avvia una sessione Flink YARN di lunga durata, quindi invia uno o più job alla sessione.
Avvia una sessione:puoi avviare una sessione Flink in uno dei seguenti modi:
Crea un cluster Flink, aggiungendo il flag
--metadata flink-start-yarn-session=true
al comandogcloud dataproc clusters create
(vedi Creare un cluster Flink Dataproc). Quando questo flag è abilitato, dopo la creazione del cluster, Dataproc esegue/usr/bin/flink-yarn-daemon
per avviare una sessione Flink sul cluster.L'ID applicazione YARN della sessione viene salvato in
/tmp/.yarn-properties-${USER}
. Puoi elencare l'ID con il comandoyarn application -list
.Esegui lo script Flink
yarn-session.sh
, preinstallato sulla VM master del cluster, con impostazioni personalizzate:Esempio con impostazioni personalizzate:
/usr/lib/flink/bin/yarn-session.sh \ -s 1 \ -jm 1024m \ -tm 2048m \ -nm flink-dataproc \ --detached
Esegui lo script wrapper
/usr/bin/flink-yarn-daemon
di Flink con le impostazioni predefinite:. /usr/bin/flink-yarn-daemon
Invia un job a una sessione: esegui questo comando per inviare un job Flink alla sessione.
flink run -m <var>FLINK_MASTER_URL</var>/usr/lib/flink/examples/batch/WordCount.jar
- FLINK_MASTER_URL: l'URL, inclusi host e porta, della VM master Flink in cui vengono eseguiti i job.
Rimuovi
http:// prefix
dall'URL. Questo URL viene elencato nell'output comando all'avvio di una sessione Flink. Per elencare questo URL nel campoTracking-URL
, puoi eseguire questo comando:
yarn application -list -appId=<yarn-app-id> | sed 's#http://##' ```
- FLINK_MASTER_URL: l'URL, inclusi host e porta, della VM master Flink in cui vengono eseguiti i job.
Rimuovi
Elenca i job in una sessione: per elencare i job Flink in una sessione, esegui una delle seguenti operazioni:
Esegui
flink list
senza argomenti. Il comando cerca l'ID applicazione YARN della sessione in/tmp/.yarn-properties-${USER}
.Ottieni l'ID applicazione YARN della sessione da
/tmp/.yarn-properties-${USER}
o l'output diyarn application -list
, quindi esegui<code>
flink list -yid YARN_APPLICATION_ID.Esegui
flink list -m FLINK_MASTER_URL
.
Interrompi una sessione: per interrompere la sessione, ottieni l'ID applicazione YARN della sessione da
/tmp/.yarn-properties-${USER}
o l'output diyarn application -list
, quindi esegui uno dei seguenti comandi:echo "stop" | /usr/lib/flink/bin/yarn-session.sh -id YARN_APPLICATION_ID
yarn application -kill YARN_APPLICATION_ID
Esegui job Apache Beam su Flink
Puoi eseguire job Apache Beam su
Dataproc utilizzando
FlinkRunner
.
Puoi eseguire job Beam su Flink nei seguenti modi:
- Job Java Beam
- Job Beam portatili
Job Java Beam
Pacchettizza i tuoi job Beam in un file JAR. Fornisci il file JAR in bundle con le dipendenze necessarie per eseguire il job.
L'esempio seguente esegue un job Java Beam dal nodo master del cluster Dataproc.
Crea un cluster Dataproc con il componente Flink abilitato.
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
: la versione dell'immagine del cluster, che determina la versione di Flink installata nel cluster (ad esempio, vedi le versioni del componente Apache Flink elencate per le versioni di rilascio delle immagini 2.0.x più recenti e precedenti).--region
: una regione Dataproc supportata.--enable-component-gateway
: abilita l'accesso all'interfaccia utente di Flink Job Manager.--scopes
: abilita l'accesso alle API Google Cloud da parte del tuo cluster (consulta Best practice per gli ambiti). L'ambitocloud-platform
è abilitato per impostazione predefinita (non è necessario includere questa impostazione di flag) quando crei un cluster che utilizza l'immagine Dataproc versione 2.1 o successiva.
Utilizza l'utilità SSH per aprire una finestra del terminale sul nodo master del cluster Flink.
Avvia una sessione Flink YARN sul nodo master del cluster Dataproc.
. /usr/bin/flink-yarn-daemon
Prendi nota della versione di Flink sul tuo cluster Dataproc.
flink --version
Sulla tua macchina locale, genera l'esempio canonico di conteggio delle parole di Beam in Java.
Scegli una versione Beam compatibile con la versione Flink sul tuo cluster Dataproc. Consulta la tabella Compatibilità della versione di Flink che elenca la compatibilità delle versioni di Beam-Flink.
Apri il file POM generato. Controlla la versione runner Beam Flink specificata dal tag
<flink.artifact.name>
. Se la versione del runner Beam Flink nel nome dell'artefatto Flink non corrisponde alla versione di Flink nel cluster, aggiorna il numero di versione in modo che corrisponda.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
Inserisci l'esempio di conteggio delle parole.
mvn package -Pflink-runner
Carica il file JAR Uber in pacchetto,
word-count-beam-bundled-0.1.jar
(~135 MB) sul nodo master del cluster Dataproc. Puoi utilizzaregsutil cp
per trasferire più rapidamente i file nel tuo cluster Dataproc da Cloud Storage.Sul terminale locale, crea un bucket Cloud Storage e carica l'uber JAR.
gsutil mb BUCKET_NAME
gsutil cp target/word-count-beam-bundled-0.1.jar gs://BUCKET_NAME/
Sul nodo master di Dataproc, scarica l'uber JAR.
gsutil cp gs://BUCKET_NAME/word-count-beam-bundled-0.1.jar .
Esegui il job Java Beam sul nodo master del cluster 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
Verifica che i risultati siano stati scritti nel tuo bucket Cloud Storage.
gsutil cat gs://BUCKET_NAME/java-wordcount-out-SHARD_ID
Interrompi la sessione Flink YARN.
yarn application -list
yarn application -kill YARN_APPLICATION_ID
Job Beam portatili
Per eseguire job Beam scritti in Python, Go e altri linguaggi supportati, puoi utilizzare FlinkRunner
e PortableRunner
come descritto nella pagina Flink Runner di Beam (vedi anche Roadmap del framework per la portabilità).
L'esempio seguente esegue un job Beam portatile in Python dal nodo master del cluster Dataproc.
Crea un cluster Dataproc con i componenti Flink e Docker abilitati.
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
Note
--optional-components
: Flink e Docker.--image-version
: la versione immagine del cluster, che determina la versione di Flink installata nel cluster (ad esempio, vedi le versioni del componente Apache Flink elencate per le versioni di rilascio delle immagini 2.0.x più recenti e precedenti).--region
: un'area geografica Dataproc disponibile.--enable-component-gateway
: abilita l'accesso all'interfaccia utente di Flink Job Manager.--scopes
: abilita l'accesso alle API Google Cloud da parte del tuo cluster (consulta Best practice per gli ambiti). L'ambitocloud-platform
è abilitato per impostazione predefinita (non è necessario includere questa impostazione di flag) quando crei un cluster che utilizza l'immagine Dataproc versione 2.1 o successiva.
Utilizza
gsutil
in locale o in Cloud Shell per creare un bucket Cloud Storage. Puoi specificare BUCKET_NAME quando esegui un programma di conteggio parole di esempio.gsutil mb BUCKET_NAME
In una finestra del terminale sulla VM del cluster, avvia una sessione Flink YARN. Nota l'URL del master Flink, l'indirizzo del master Flink dove vengono eseguiti i job. Puoi specificare FLINK_MASTER_URL quando esegui un programma di conteggio parole di esempio.
. /usr/bin/flink-yarn-daemon
Visualizza e nota la versione di Flink che esegue il cluster Dataproc. Puoi specificare FLINK_VERSION quando esegui un programma di conteggio parole di esempio.
flink --version
Installa le librerie Python necessarie per il job sul nodo master del cluster.
Installa una versione Beam compatibile con la versione Flink sul cluster.
python -m pip install apache-beam[gcp]==BEAM_VERSION
Esegui l'esempio di conteggio parole sul nodo master del 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
Note
--runner
:FlinkRunner
.--flink_version
: FLINK_VERSION, indicato in precedenza.--flink_master
: FLINK_MASTER_URL, indicato in precedenza.--flink_submit_uber_jar
: utilizza l'uber JAR per eseguire il job Beam.--output
: BUCKET_NAME, creata in precedenza.
Verifica che i risultati siano stati scritti nel tuo bucket.
gsutil cat gs://BUCKET_NAME/python-wordcount-out-SHARD_ID
Interrompi la sessione Flink YARN.
- Recupera l'ID applicazione.
yarn application -list
1. Insert the <var>YARN_APPLICATION_ID</var>, then stop the session.yarn application -kill
Esegui Flink su un cluster Kerberized
Il componente Dataproc Flink supporta i cluster Kerberized. È necessario un ticket Kerberos valido per inviare e mantenere un job Flink o per avviare un cluster Flink. Per impostazione predefinita, un ticket Kerberos rimane valido per sette giorni.
Accedi all'interfaccia utente di Flink Job Manager
L'interfaccia web di Flink Job Manager è disponibile mentre è in esecuzione un job Flink o un cluster di sessioni Flink. Per utilizzare l'interfaccia web:
- Crea un cluster Dataproc Flink.
- Dopo la creazione del cluster, fai clic sul gateway dei componenti link YARN ResourceManager nella scheda Interfaccia web della pagina Dettagli cluster della console Google Cloud.
- Nell'interfaccia utente di YARN Resource Manager, identifica la voce dell'applicazione cluster Flink. A seconda dello stato di completamento di un job, verrà elencato un link ApplicationMaster o Cronologia.
- Per un job di flussi di dati a lunga esecuzione, fai clic sul link ApplicationManager per aprire la dashboard Flink; per un job completato, fai clic sul link Cronologia per visualizzare i dettagli del job.