本文来自于【阿里云官方镜像站：阿里巴巴开源镜像站-OPSX镜像站-阿里云开发者社区 】
在文件存储 HDFS 上使用 Apache Flink
简介： 本文主要为大家介绍在文件存储HDFS上搭建及使用Apache Flink的方法。
原文链接：developer.aliyun.com/article/758…
镜像下载、域名解析、时间同步请点击 阿里巴巴开源镜像站
一、准备工作
在文件存储HDFS上使用Apache Flink，需要先完成以下准备工作。
说明 本文档的操作步骤中涉及的安装包版本号、文件夹路径，请根据实际情况进行替换。
开通文件存储HDFS服务并创建文件系统实例和挂载点，详情请参见HDFS快速入门。
在计算节点上安装JDK。版本不能低于1.8。
在计算节点上安装Scala。Scala下载地址：官方链接，其版本要与使用的Apache Flink版本相兼容。
下载Apache Hadoop压缩包。Apache Hadoop下载地址：官方链接。建议您选用的Apache Hadoop版本不低于2.7.2，本文档中使用的Apache Hadoop版本为Apache Hadoop 2.7.2。
下载Apache Flink压缩包。在文件存储HDFS上使用的Flink的版本必须为1.9.0及以上，Apache Flink下载地址：官方链接。本文档中使用的Flink版本为官方提供的预编译版本Flink 1.9.0。
二、配置Apache Hadoop
1、执行如下命令解压Apache Hadoop压缩包到指定文件夹。
tar -zxvf hadoop-2.7.2.tar.gz -C /usr/local/
2、修改hadoop-env.sh配置文件。
执行如下命令打开hadoop-env.sh配置文件。
vim /usr/local/hadoop-2.7.2/etc/hadoop/hadoop-env.sh
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。
执行如下命令打开core-site.xml配置文件。
vim /usr/local/hadoop-2.7.2/etc/hadoop/core-site.xml
在core-site.xml配置文件中，配置如下信息，详情请参见挂载文件系统。
fs.defaultFS
dfs://x-xxxxxxxx.cn-xxxxx.dfs.aliyuncs.com:10290
fs.dfs.impl
com.alibaba.dfs.DistributedFileSystem
fs.AbstractFileSystem.dfs.impl
com.alibaba.dfs.DFS
io.file.buffer.size
8388608
alidfs.use.buffer.size.setting
true
dfs.usergroupservice.impl
com.alibaba.dfs.security.LinuxUserGroupService.class
dfs.connection.count
16
4、修改mapred-site.xml配置文件。
执行如下命令打开mapred-site.xml配置文件。
vim /usr/local/hadoop-2.7.2/etc/hadoop/mapred-site.xml
在mapred-site.xml配置文件中，配置如下信息。
mapreduce.framework.name
yarn
5、修改yarn-site.xml配置文件。
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
在yarn-site.xml配置文件中，配置如下信息。
yarn.resourcemanager.hostname
xxxx
yarn.nodemanager.aux-services
mapreduce_shuffle
yarn.nodemanager.aux-services.mapreduce.shuffle.class
org.apache.hadoop.mapred.ShuffleHandler
yarn.nodemanager.resource.memory-mb
16384
yarn.nodemanager.resource.cpu-vcores
4
yarn.scheduler.maximum-allocation-vcores
4
yarn.scheduler.minimum-allocation-mb
3584
yarn.scheduler.maximum-allocation-mb
14336
6、修改slaves配置文件。
执行如下命令打开slaves配置文件。
vim /usr/local/hadoop-2.7.2/etc/hadoop/slaves
在slaves配置文件中，配置如下信息。
node1node2
7、配置环境变量。
执行如下命令打开/etc/profile配置文件。
vim /etc/profile
在/etc/profile配置文件中，配置如下信息。
export HADOOP_HOME=/usr/local/hadoop-2.7.2
export HADOOP_CLASSPATH=HADOOP_HOME/bin/hadoop classpath)
export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop
export PATH=HADOOP_HOME/sbin:$PATH
执行如下命令使配置生效。
source /etc/profile
8、执行如下命令配置文件存储HDFS的SDK。您可以单击下载文件存储HDFS的SDK（此处以aliyun-sdk-dfs-1.0.3.jar为例），将其部署在Apache Hadoop生态系统组件的CLASSPATH上，详情请参见挂载文件系统。
cp aliyun-sdk-dfs-1.0.3.jar /usr/local/hadoop-2.7.2/share/hadoop/hdfs
9、执行如下命令将${HADOOP_HOME}文件夹同步到集群的其他节点。
scp -r hadoop-2.7.2/ root@node2:/usr/local/
三、验证Apache Hadoop配置
完成Apache 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Apache Hadoop配置成功的方法请参见验证安装。
四、编译flink-shade
1、下载 flink-shade源码到指定目录。
git clone github.com/apache/flin… ~/flink-shade
2、修改flink-shade源码中的pom文件。修改Hadoop版本为您的集群中使用的版本，在本文档中使用的Hadoop版本为2.7.2。
vim ~/flink-shaded/flink-shaded-hadoop-2-parent/pom.xml
在依赖项中添加文件存储HDFS SDK，在本文档使用文件存储HDFS SDK版本为1.0.3。
vim ~/flink-shaded/flink-shaded-hadoop-2-parent/flink-shaded-hadoop-2/pom.xml
...
com.aliyun.dfs
aliyun-sdk-dfs
1.0.3
...
3、编译打包。
cd ~/flink-shaded
mvn package -Dshade-sources
五、配置Apache Flink
1、执行如下命令解压Flink压缩包到指定文件夹。
tar -zxvf flink-1.9.0-bin-scala_2.11.tgz -C /usr/local/
2、拷贝flink-shade编译的flink-shaded-hadoop-2-uber-x.y.z.jar到Flink的lib目录下。
cp ~/flink-shaded/flink-shaded-hadoop-2-parent/flink-shaded-hadoop-2-uber/target/flink-shaded-hadoop-2-uber-2.7.2-11.0.jar /usr/local/flink-1.9.0/lib/
说明
在使用Apache Flink之前必须在您的集群环境变量中配置HADOOP_HOME，HADOOP_CLASSPATH和HADOOP_CONF_DIR，详情请参见配置Apache Hadoop中的步骤7：配置环境变量。
如果您使用的Flink版本中已经包含flink-shaded-hadoop-2-uber-x.y.z.jar，则需要使用编译flink-shade中编译的flink-shaded-hadoop-2-uber-x.y.z.jar进行替换。
如果您需要对Flink进行额外的配置，请参考官方文档：配置操作指南。
六、验证Apache Flink配置
使用Flink自带的WordCount.jar对文件存储HDFS上的数据进行读取，并将计算结果写入到文件存储HDFS，在测试之前需要先启动yarn服务。
1、生成测试数据。此处使用Apache Hadoop 2.7.2自带的jar包hadoop-mapreduce-examples-2.7.2.jar中的randomtextwriter方法在文件存储HDFS上生成测试数据。
/usr/local/hadoop-2.7.2/bin/hadoop jar /usr/local/hadoop-2.7.2/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar
randomtextwriter \
-D mapreduce.randomtextwriter.totalbytes=10240 \
-D mapreduce.randomtextwriter.bytespermap=1024 \
-D mapreduce.job.maps=4 \
-D mapreduce.job.reduces=2 \
dfs://f-xxxxx.cn-xxx.dfs.aliyuncs.com:10290/flink-test/input \
其中，dfs://f-xxxxx.cn-xxx.dfs.aliyuncs.com:10290为文件存储HDFS的挂载点，请根据您的实际情况替换。
2、查看在文件存储HDFS上生成的测试数据。
/usr/local/hadoop-2.7.2/bin/hadoop fs -cat dfs://f-xxxxx.cn-xxx.dfs.aliyuncs.com:10290/flink-test/input/*
其中，dfs://f-xxxxx.cn-xxx.dfs.aliyuncs.com:10290为文件存储HDFS的挂载点，请根据您的实际情况替换。
3、提交wordcount程序。
/usr/local/flink-1.9.0/bin/flink run
-m yarn-cluster -yn 1 -yjm 1024 -ytm 1024 \
/usr/local/flink-1.9.0/examples/batch/WordCount.jar \
--input dfs://f-xxxxx.cn-xxx.dfs.aliyuncs.com:10290/flink-test/input \
--output dfs://f-xxxxx.cn-xxx.dfs.aliyuncs.com:10290/flink-test/output \
其中，dfs://f-xxxxx.cn-xxx.dfs.aliyuncs.com:10290为文件存储HDFS的挂载点，请根据您的实际情况替换。
4、查看在文件存储HDFS上的结果文件。
/usr/local/hadoop-2.7.2/bin/hadoop fs -cat dfs://f-xxxxx.cn-xxx.dfs.aliyuncs.com:10290/flink-test/output
其中，dfs://f-xxxxx.cn-xxx.dfs.aliyuncs.com:10290为文件存储HDFS的挂载点，请根据您的实际情况替换。
