Flink系统架构中包含了两个角色，分别是JobManager和TaskManager，是一个典型的Master-Slave架构。JobManager相当于是Master，TaskManager相当于是Slave
1. Standalone 部署安装
https://mirrors.tuna.tsinghua.edu.cn/apache/flink/flink-1.9.2/flink-1.9.2-bin-scala_2.
11.tgz
| node1 | node2 | node3 |
| （master） | （slave） | （slave） |
1.1 修改flink-conf.yaml配置文件
#JobManager地址
jobmanager.rpc.address: node01
# JobManagerRPC通信端口
jobmanager.rpc.port: 6123
# JobManager所能使用的堆内存大小
jobmanager.heap.size: 1024m
# TaskManager所能使用的堆内存大小
taskmanager.heap.size: 1024m
# TaskManager管理的TaskSlot个数，依据当前物理机的
taskmanager.numberOfTaskSlots: 2
#核心数来配置，一般预留出一部分核心（25%）给系统及其他进程使用，一个slot对应一个core。如果core支持超线程，那么slot个数*2
#指定WebUI的访问端口
rest.port: 80811.2 修改slaves文件
配置slave节点
node2
node31.3 启动集群
2. flink 高可用集群搭建
3. flink on yarn
以 Yarn 模式部署 Flink 任务时，要求 Flink 是有 Hadoop 支持的版本， Hadoop环境需要保证版本在 2.2 以上，并且集群中安装有 HDFS 服务
3.1 Session-cluster 模式
Session-Cluster 模式需要先启动集群，然后再提交作业，接着会向 yarn 申请一块空间后，资源永远保持不变。如果资源满了，下一个作业就无法提交，只能等到yarn 中的其中一个作业执行完成释放了资源， 下个作业才会正常提交,所有作业共享 dispatcher 和 ResourceManager；共享资源；适合规模小执行时间短的作业
在 yarn 中初始化一个 flink 集群，开辟指定的资源，以后提交任务都向这里提交。这个 flink 集群会常驻在 yarn 集群中， 除非手工停止
启动hadoop集群
启动yarn-session
./yarn-session.sh -n 2 -s 2 -jm 1024 -tm 1024 -nm test -d3.2 Per-Job-Cluster 模式
4. filink 任务提交的两种方式
4.1 命令行提交任务
flink run -c test.WordCount -p 2 -d flinkDemo-1.0-SNAPSHOT.jar-c ：指定全限定类名
-d：后台运行
-p : 2代表设置的默认并行度
4.2 webUI页面提交
指定全限定类名
指定并行度
取消任务：
./bin/flink list
./bin/flink cancel jobid
