文章目录- flink run参数：
- flink run -m yarn-cluster参数
- flink-list
- flink cancel
- flink stop：仅仅针对Streaming job
- flink modify 修改任务并行度
- flink savepoint
flink run参数：
flink run命令执行模板：flink run [option]
参数 | 参数全称 | 描述 |
|---|---|---|
-c | –class | 需要指定的main方法的类 |
-C | –classpath | 向每个用户代码添加url，他是通过UrlClassLoader加载。url需要指定文件的schema如（file://） |
-d | –detached | 在后台运行 |
-p | –parallelism | job需要指定env的并行度，这个一般都需要设置。 |
-q | –sysoutLogging | 禁止logging输出作为标准输出。 |
-s | –fromSavepoint | 基于savepoint保存下来的路径，进行恢复。 |
-sae | –shutdownOnAttachedExit | 如果是前台的方式提交，当客户端中断，集群执行的job任务也会shutdown。 |
flink run -m yarn-cluster参数
参数 | 参数全称 | 描述 |
|---|---|---|
-m | –jobmanager | yarn-cluster集群 |
-yd | –yarndetached | 后台 |
-yjm | –yarnjobManager | jobmanager的内存 |
-ytm | –yarntaskManager | taskmanager的内存 |
-yn | –yarncontainer | TaskManager的个数 |
-yid | –yarnapplicationId | job依附的applicationId |
-ynm | –yarnname | application的名称 |
-ys | –yarnslots | 分配的slots个数 |
例：flink run -m yarn-cluster -yd -yjm 1024m -ytm 1024m -ynm -ys 1
flink-list
flink list：列出flink的job列表。 flink list -r/–runing：列出正在运行的job flink list -s/–scheduled：列出已调度完成的job
flink cancel
flink cancel [options] <job_id> : 取消正在运行的job id
flink cancel -s/–withSavepoint <job_id> ： 取消正在运行的job，并保存到相应的保存点
通过 -m 来指定要停止的 JobManager 的主机地址和端口
例： bin/flink cancel -m 127.0.0.1:8081 5e20cb6b0f357591171dfcca2eea09de
flink stop：仅仅针对Streaming job
flink stop [options] <job_id>
flink stop <job_id>：停止对应的job
通过 -m 来指定要停止的 JobManager 的主机地址和端口
例： bin/flink stop -m 127.0.0.1:8081 d67420e52bd051fae2fddbaa79e046bb
取消和停止（流作业）的区别如下：
cancel() 调用，立即调用作业算子的 cancel() 方法，以尽快取消它们。如果算子在接到 cancel() 调用后没有停止，Flink 将开始定期中断算子线程的执行，直到所有算子停止为止。
stop() 调用，是更优雅的停止正在运行流作业的方式。stop() 仅适用于 Source 实现了 StoppableFunction 接口的作业。当用户请求停止作业时，作业的所有 Source 都将接收 stop() 方法调用。直到所有 Source 正常关闭时，作业才会正常结束。这种方式，使作业正常处理完所有作业。
flink modify 修改任务并行度
flink modify <job_id> [options]
flink modify <job_id> -p /–parallelism p : 修改job的并行度
例： flink modify -p 并行数 <job_pid>
flink savepoint
flink savepoint [options] <job_id>
eg: # 触发保存点
flink savepoint <job_id> hdfs://xxxx/xx/x : 将flink的快照保存到hdfs目录
- 使用yarn触发保存点 flink savepoint <job_id> <target_directory> -yid <application_id>
- 使用savepoint取消作业 flink cancel -s <tar_directory> <job_id>
- 从保存点恢复 flink run -s <target_directoey> [:runArgs]
- 如果复原的程序，对逻辑做了修改，比如删除了算子可以指定allowNonRestoredState参数复原。 flink run -s <target_directory> -n/–allowNonRestoredState [:runArgs]
savepoint 与 checkpoint 的区别
checkpoint是增量做的，每次的时间短，数据量小，只要在程序里面启用后会自动触发，用户无需感知；savepoint是全量做的，时间长，数据量大，需要用户主动触发。
checkpoint 是作业failover 的时候自动使用，不需要用户指定，savepoint 一般用于程序版本更新、bug修复、A/B Test 等场景，需要用户指定。
例子： 实时风控:对应的数据源mq有八个队列，所以并行度设置为8
代码语言：javascript复制flink run -m yarn-cluster -p 8 -ytm 1024m -yjm 2048m -ys 1 -c com.enmonster.OrderDataProcessing sdb-ms-1.0-SNAPSHOT.jar /opt/cloudera/parcels/FLINK-1.9.0-csa1.0.0.0-cdh6.3.0/lib/flink/plugins/config.txt编号 | 参数 | 描述 |
|---|---|---|
1 | flink run -m yarn-cluster | flink任务在Flink job on YARN模式下的固定参数 |
2 | -p | 指定的程序并行度 |
3 | -ytm | 每个TaskManger分配的内存大小 |
4 | -yjm | JobManger分配的内存大小，一个程序一般只有一个JobManger |
5 | -ys | 一个TaskManger中启动的slot个数 |
6 | -s | 程序checkpoint检查点手动恢复指定路径，只在程序重新启动的时候使用 |
7 | -c | 程序主类类名 |
8 | sdb-ms-1.0-SNAPSHOT.jar | 程序jar包所在位置 |
9 | /opt/cloudera/parcels/FLINK-1.9.0-csa1.0.0.0-cdh6.3.0/lib/flink/plugins/ | 程序配置文件的存放路径 |
10 | config.txt | 程序的配置文件 |
