flink-HA集群搭建和问题记录

上一篇中,搭建了一个简单的flink集群,在这个集群中,我使用了一个jobManager节点,三个taskManager节点,之后根据官网和其他资料写了一个简单的java验证程序验证集群的可用:

flink初识及集群搭建和简单验证

虽然这个集群搭建是成功的,但是这种方式的集群却存在问题。

flink集群中jobManager和taskManager这种,是典型的master/slave主从模式的设计,jobManager具有资源管理任务调度的功能,管理taskManager的资源和调度,也就是启动以及外部的交互实际都是先经过jobManager。

这种情况下,虽然有三个实际的taskManager处理任务,但是jobManager是单机的,一旦jobManger故障,则整个集群依然不可用。

这个其实和hdfs中nameNodedataNode的关系很像,可能就是一样的(带后续都深入之后再比较)。

hdfs的ha中,实际就是增加了nameNode的节点,交给zookeeper管理,而flink的ha也类似,即增加jobManager的节点数,也要依赖zookeeper来管理jobManager。

之前的简单flink集群,我使用的节点情况如下:

类别 node001 node002 node003 node004
jobManager
taskManager

虽说简单的flink集群升级为HA,本质上是增加jobManager节点,但是实际并不是单纯的加一个jobManager节点就够了。

上边提到了需要zookeeper管理jobManager的集群,所以还需要zookeeper。

同时,由于jobManager的任务较重,相应的源数据也很多,因此官方建议使用可被各个节点访问的持久化文件系统存储源数据,鉴于之前搭建了hdfs,自然就直接选用了。

zookeeper和hdfs之前都已经搭建好了,就可以直接使用,需要参考的可以查看之前这篇:

HDFS-HA模式搭建(基于完全分布式模式升级)

因此,最终的flink-HA集群机器规划如下:

类别 node001 node002 node003 node004
nameNode(HDFS)
dataNode(HDFS)
journalnode(HDFS)
zkfc(HDFS)
nodeManager(HDFS)
zookeeper
jobManager(FLINK)
taskManager(FLINK)

规划好了机器,然后就是修改配置,实际也很简单,首先还是修改flink安装目录的conf目录下flink-conf.yaml文件,找到如下的三个配置,把原本的注释放开,然后配置自己的hdfs地址和zookeeper地址。

需要注意的是,我这里的hdfs是之前的ha集群,mycluster是我的hdfs的集群名,至于后边的内容会在hdfs中创建路径,可以自定义,不需要提前创建。

1
2
3
high-availability: zookeeper
high-availability.storageDir: hdfs://mycluster/flink/ha/
high-availability.zookeeper.quorum: node002:2181,node003:2181,node004:2181

workers修改

上一篇有提到过,旧版本的flink中有个文件叫slaves,新版的就叫这个workers,代表的是taskManger节点,之前我配置了三个,现在其中一个换成jobManager,所以删掉一个之后内容如下:

1
2
node003
node004

masters修改

之前的监看flink集群搭建时,是没有管这个文件的,因为jobManager就只有一个,现在有了两个jobManager,就需要修改这个文件制定jobManager集群的节点。

实际上从这里,尤其是之前的mastersslaves这两个文件的命令,也很容易看出来他们的主从关系。

修改后的masters文件内容如下:

1
2
node001:8081
node002:8081

配置文件同步分发

和hdfs一样,和flink简单集群一样,这些修改的配置文件也都需要同步分发到所有的节点中,scp就不多说了。

hadoop依赖jar下载

上边操作完成后,我就使用start-cluster.sh启动的集群,然后看到打印出了如下的信息:

1
2
3
4
5
Starting HA cluster with 2 masters.
Starting standalonesession daemon on host node001.
Starting standalonesession daemon on host node002.
Starting taskexecutor daemon on host node003.
Starting taskexecutor daemon on host node004.

也没有报错,我以为就成功了,但是当我访问web页面时,无论是http://node001:8081还是http://node002:8081都无法访问,于是查看了flink的日志文件,结果发现日志中打印了如下的异常信息:

1
2
3
Caused by: org.apache.flink.core.fs.UnsupportedFileSystemSchemeException: Could not find a file system implementation for scheme 'hdfs'. The scheme is not directly supported by Flink and no Hadoop file system to support this scheme could be loaded. For a full list of supported file systems, please see https://ci.apache.org/projects/flink/flink-docs-stable/ops/filesystems/.
at org.apache.flink.core.fs.FileSystem.getUnguardedFileSystem(FileSystem.java:491) ~[flink-dist_2.11-1.11.2.jar:1.11.2]
at org.apache.flink.core.fs.FileSystem.get(FileSystem.java:389) ~[flink-dist_2.11-1.11.2.jar:1.11.2]

看起来就是无法识别和连接hdfs,实际上是因为没有相关的依赖,因此需要下载flink依赖的hadoop的jar到flink安装目录下的lib目录下。

这个插件在flink官网可以找到,https://flink.apache.org/downloads.html,这个连接中Additional Components下就是flink依赖的hadoop插件。

按网上说的,需要根据相应的hadoop版本下载对应的插件版本,但是我的hadoop是3.1.3,而这个页面中最高才是2.8.3,因此最终就下载了这个版本。

之后重新执行start-cluster.sh后日志没有再打印上边的异常,同时web页面也都可以成功打开了,并能看到两个taskManger。

在web页面提交上一次做好的flink程序的jar之后,也能看到running状态,似乎ha模式搭建成功了,但是实际上并不是。

classpath配置

当在上述jar生成的task运行的机器节点使用nc -lk 8888启动监听并发送数据后,web页面的Stdout上并没有如愿输出单词的统计次数,反而是在对应机器节点的日志中出现了异常。

通过查看,我的这个task运行在node003节点,找到日志使用tail -500 flink-root-taskexecutor-1-node003.log后发现了如下的异常:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
2020-10-14 16:00:56,527 ERROR org.apache.flink.runtime.taskexecutor.TaskManagerRunner      [] - TaskManager initialization failed.
java.io.IOException: Could not create FileSystem for highly available storage path (hdfs://mycluster/flink/ha/default)
at org.apache.flink.runtime.blob.BlobUtils.createFileSystemBlobStore(BlobUtils.java:103) ~[flink-dist_2.11-1.11.2.jar:1.11.2]
at org.apache.flink.runtime.blob.BlobUtils.createBlobStoreFromConfig(BlobUtils.java:89) ~[flink-dist_2.11-1.11.2.jar:1.11.2]
at org.apache.flink.runtime.highavailability.HighAvailabilityServicesUtils.createHighAvailabilityServices(HighAvailabilityServicesUtils.java:117) ~[flink-dist_2.11-1.11.2.jar:1.11.2]
at org.apache.flink.runtime.taskexecutor.TaskManagerRunner.<init>(TaskManagerRunner.java:133) ~[flink-dist_2.11-1.11.2.jar:1.11.2]
at org.apache.flink.runtime.taskexecutor.TaskManagerRunner.runTaskManager(TaskManagerRunner.java:306) ~[flink-dist_2.11-1.11.2.jar:1.11.2]
at org.apache.flink.runtime.taskexecutor.TaskManagerRunner.lambda$runTaskManagerSecurely$2(TaskManagerRunner.java:330) ~[flink-dist_2.11-1.11.2.jar:1.11.2]
at org.apache.flink.runtime.security.contexts.NoOpSecurityContext.runSecured(NoOpSecurityContext.java:30) ~[flink-dist_2.11-1.11.2.jar:1.11.2]
at org.apache.flink.runtime.taskexecutor.TaskManagerRunner.runTaskManagerSecurely(TaskManagerRunner.java:329) ~[flink-dist_2.11-1.11.2.jar:1.11.2]
at org.apache.flink.runtime.taskexecutor.TaskManagerRunner.runTaskManagerSecurely(TaskManagerRunner.java:314) [flink-dist_2.11-1.11.2.jar:1.11.2]
at org.apache.flink.runtime.taskexecutor.TaskManagerRunner.main(TaskManagerRunner.java:298) [flink-dist_2.11-1.11.2.jar:1.11.2]
Caused by: org.apache.flink.core.fs.UnsupportedFileSystemSchemeException: Could not find a file system implementation for scheme 'hdfs'. The scheme is not directly supported by Flink and no Hadoop file system to support this scheme could be loaded. For a full list of supported file systems, please see https://ci.apache.org/projects/flink/flink-docs-stable/ops/filesystems/.
at org.apache.flink.core.fs.FileSystem.getUnguardedFileSystem(FileSystem.java:491) ~[flink-dist_2.11-1.11.2.jar:1.11.2]
at org.apache.flink.core.fs.FileSystem.get(FileSystem.java:389) ~[flink-dist_2.11-1.11.2.jar:1.11.2]
at org.apache.flink.core.fs.Path.getFileSystem(Path.java:292) ~[flink-dist_2.11-1.11.2.jar:1.11.2]
at org.apache.flink.runtime.blob.BlobUtils.createFileSystemBlobStore(BlobUtils.java:100) ~[flink-dist_2.11-1.11.2.jar:1.11.2]
... 9 more
Caused by: org.apache.flink.core.fs.UnsupportedFileSystemSchemeException: Hadoop is not in the classpath/dependencies.
at org.apache.flink.core.fs.UnsupportedSchemeFactory.create(UnsupportedSchemeFactory.java:58) ~[flink-dist_2.11-1.11.2.jar:1.11.2]

经过一番查询和尝试后找到了解决办法,即配置两个环境变量,环境变量的配置方式较多,可以配系统变量,可以配用户变量,我就直接配置的系统变量,执行vi /etc/profile,然后加入如下两行:

1
2
export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop
export HADOOP_CLASSPATH=`hadoop classpath`

配置完成后使用source /etc/profile重新加载刚修改的内容,然后重新提交flink程序jar后日志不在报错,同时再次在nc中输入单词后,在web界面的Stdout中便能成功的刷新出预想的结果,至此,flink的ha模式搭建成功,搭建过程也算是对flink的设计思想和架构有了更进一步的认识。

推荐文章