在Alluxio上运行Apache Flink

Slack Docker Pulls GitHub edit source

该指南介绍如何在Alluxio上运行Apache Flink,以便你在Flink中使用Alluxio的文件。

前期准备

配置

Apache Flink可以通过通用文件系统包装类(可用于Hadoop文件系统)来使用Alluxio。因此,Alluxio的配置主要在Hadoop配置文件中完成。

core-site.xml中设置属性

如果你安装Flink的同时安装了Hadoop,将如下属性加到core-site.xml配置文件:

<property>
  <name>fs.alluxio.impl</name>
  <value>alluxio.hadoop.FileSystem</value>
</property>

如果你没有安装Hadoop,创建一个包含以下内容的core-site.xml文件

<configuration>
  <property>
    <name>fs.alluxio.impl</name>
    <value>alluxio.hadoop.FileSystem</value>
  </property>
</configuration>

接下来需要指定Flink中Hadoop配置的路径。打开Flink根目录下conf/flink-conf.yaml文件,设置fs.hdfs.hadoopconf的值为core-site.xml目录(对于新的Hadoop版本,该目录通常以etc/hadoop结尾)。

布置Alluxio客户端Jar包

为了与Alluxio通信,需要提供带有Alluxio核心客户端Jar包的Flink程序。我们推荐您直接从http://www.alluxio.io/download下载压缩包。另外,高级用户可以选择用源文件编译产生客户端Jar包。遵循以下步骤:here,在 ``路径下可以找到客户端的Jar包。

接下来需要让Alluxio jar文件对Flink可用,因为其中包含了配置好的alluxio.hadoop.FileSystem类。

有以下几种方式实现:

  • /<PATH_TO_ALLUXIO>/client/alluxio-2.7.1-client.jar文件放在Flink的lib目录下(对于本地模式以及独立集群模式)。
  • /<PATH_TO_ALLUXIO>/client/alluxio-2.7.1-client.jar文件放在布置在Yarn中的Flink下的ship目录下。
  • HADOOP_CLASSPATH环境变量中指定该jar文件的路径(要保证该路径对集群中的所有节点都有效)。例如:
$ export HADOOP_CLASSPATH=/<PATH_TO_ALLUXIO>/client/alluxio-2.7.1-client.jar

将Alluxio额外属性转化为Flink属性

除此以外,如果conf/alluxio-site.properties和客户端相关的配置文件中有任何指定的属性,请在{FLINK_HOME}/conf/flink-conf .yaml文件中将这些属性转化为env.java.opts,从而方便Flink使用Alluxio的配置。例如,如果你想要将CACHE_THROUGH作为Alluxio客户端的写文件方式 ,你应该在 {FLINK_HOME}/conf/flink-conf.yaml增加如下配置

env.java.opts: -Dalluxio.user.file.writetype.default=CACHE_THROUGH

注意:如果有正在运行的Flink集群,需要将该集群停止并重新运行以应用更改后的配置。

在Flink中使用Alluxio

Flink中使用Alluxio,指定路径时使用alluxio://前缀。

如果Alluxio是本地安装,有效路径类似于: alluxio://localhost:19998/user/hduser/gutenberg

Wordcount示例

该示例假定你已经按前文指导安装了Alluxio和Flink。

LICENSE文件放入Alluxio中,假定当前目录为Alluxio工程的根目录:

$ ./bin/alluxio fs copyFromLocal LICENSE alluxio://localhost:19998/LICENSE

在Flink工程的根目录下运行以下命令:

$ ./bin/flink run examples/batch/WordCount.jar \
--input alluxio://localhost:19998/LICENSE \
--output alluxio://localhost:19998/output

接着打开浏览器,进入http://localhost:19999/browse,其中应存在一个output文件,该文件即为对LICENSE文件进行word count的结果。