JobManager High Availability (HA

原文链接

---

JobManager协调每个Flink部署。它负责调度和资源管理。

默认情况下，每个Flink集群都只有一个JobManager实例。这就造成了一个单点故障(SPOF):如果JobManager崩溃，就不能提交新的程序，运行程序也会失败。

而JobManager高可用性，可以从JobManager失败中恢复，因此消除单点故障。你可以为独立集群和YARN集群配置高可用性。

独立集群高可用性

独立集群的JobManager高可用性的概念是，在任何时候都有一个JobManager leader和多个JobManager备份，以防当leader失败时，可以接管领导权。这就保证了没有单点故障，并且当一个备份JobManager获得领导权时，程序可以继续运行。master和备份JobManager实例之间没有区别。每个JobManager都可以扮演master或备份的角色。

例如，考虑以下有三个JobManager实例的设置:

jobmanager_ha_overview.png

配置

要启用JobManager的高可用性，你必须设置高可用模式为zookeeper，配置一个ZooKeeper quorum和一个拥有所有JobManager主机的masters文件和它们的web UI端口。

Flink利用 ZooKeeper 来进行所有运行中的JobManager实例的分布式协作。ZooKeeper是Flink之外的单独服务，它通过leader选举和轻量级一致状态存储提供高可靠的分布式协作。ZooKeeper的更多信息请看ZooKeeper启动说明。Flink提供了脚本来启动一个简单的ZooKeeper实例。

Masters文件(masters)

配置conf/masters目录下的 masters 文件来启动高可用集群：

• masters文件: masters文件包含了所有启动JobManager的主机和与web用户交互绑定的端口

```
jobManagerAddress1:webUIPort1
[...]
jobManagerAddressX:webUIPortX

```

默认情况下，JobManager会调下一个随机端口进行进程间通信。可以通过high-availability.jobmanager.port修改端口。这个配置接收单个端口(例如，50010)，范围(50000-50025)或者它们的组合(50010,50011,50020-50025,50050-50075)。

配置文件 (flink-conf.yaml)

添加下属配置到conf/flink-conf.yaml中来启动高可用集群：

• high-availability mode (必要的): 为了开启高可用模式，必须在 conf/flink-conf.yaml中设置high-availability mode 为zookeeper。

  high-availability: zookeeper
  

• ZooKeeper quorum (必要的): ZooKeeper quorum 是一组ZooKeeper服务，它们提供分布式协调服务。

  high-availability.zookeeper.quorum: address1:2181[,...],addressX:2181
  

  每个addressX:port 指向一个ZooKeeper Server，通过给的地址和端口，Flink可以访问它。

• ZooKeeper root (推荐的): 根ZooKeeper节点，所有的集群节点都放置在该节点下。

  high-availability.zookeeper.path.root: /flink
  

• ZooKeeper cluster-id (推荐的): 集群id ZooKeeper节点，集群所有需要的协调数据都放在该节点下。

  high-availability.cluster-id: /default_ns # important: customize per cluster
  

  重要: 当运行YARN集群时，每个作业都有一个YARN会话，或者其它集群管理时，不应该手动设置这个值。在这些情况下，集群id是基于应用id自动生成的。手动设置集群id会覆盖YARN生成的id。反过来，使用 -z CLI 选项指定一个集群id会覆盖手动配置。如果你在裸机上运行多个Flink高可用集群，则必须为每个集群手动配置独立的集群id。

• 存储目录 (必要的): JobManager的元数据被持久化在文件系统storageDir中，并且只有一个指向该状态的指针存储在ZooKeeper中。

  high-availability.zookeeper.storageDir: hdfs:///flink/recovery
  

  The storageDir存储恢复失败JobManager时需要的所有元数据。

在配置了masters和 ZooKeeper quorum之后，可以像往常一样使用提供的集群启动脚本。它们将启动一个高可用集群。注意，当你调用脚本时，ZooKeeper quorum必须已经正在运行，并且确保为每个启动的高可用集群配置单独的ZooKeeper根路径。

示例: 具有2个JobManager的独立集群

1. Configure high availability mode and ZooKeeper quorum in conf/flink-conf.yaml:

   high-availability: zookeeper
   high-availability.zookeeper.quorum: localhost:2181
   high-availability.zookeeper.path.root: /flink
   high-availability.cluster-id: /cluster_one # important: customize per cluster
   high-availability.zookeeper.storageDir: hdfs:///flink/recovery
   

2. Configure masters in conf/masters:

   localhost:8081
   localhost:8082
   

3. Configure ZooKeeper server in conf/zoo.cfg (currently it’s only possible to run a single ZooKeeper server per machine):

   server.0=localhost:2888:3888
   

4. Start ZooKeeper quorum:

   $ bin/start-zookeeper-quorum.sh
   Starting zookeeper daemon on host localhost.
   

5. Start an HA-cluster:

   $ bin/start-cluster.sh
   Starting HA cluster with 2 masters and 1 peers in ZooKeeper quorum.
   Starting jobmanager daemon on host localhost.
   Starting jobmanager daemon on host localhost.
   Starting taskmanager daemon on host localhost.
   

6. Stop ZooKeeper quorum and cluster:

   $ bin/stop-cluster.sh
   Stopping taskmanager daemon (pid: 7647) on localhost.
   Stopping jobmanager daemon (pid: 7495) on host localhost.
   Stopping jobmanager daemon (pid: 7349) on host localhost.
   $ bin/stop-zookeeper-quorum.sh
   Stopping zookeeper daemon (pid: 7101) on host localhost.