基于docker部署flink job的总结

近期，由于项目需要，对于基于docker进行flink job部署进行了小规模测试，顺便对于flink运行机制进行了深入的了解。

为了达到快速部署和基础环境稳定的目的，考虑使用docker部署（k8s基础环境搭建复杂，调研中未使用），参考官方文档如下：

Docker | Apache Flink

flink部署模式有下列三种：

1. session，全局单一cluster，所有的job运行于单一集群，全局只有一个job manager
2. application，每个job有一个job manager，job manager分配task manager
3. per-job，每个job有一个job manager，job manager分配task manager，但job graph由job manager生成

基于docker部署时，不支持per-job mode，我们选择application mode进行部署。

如果选择基于local file进行checkpoint，需要将container内checkpoint所在的目录进行volume至宿主机，保证docker restart时能够从上次的checkpoint开始消费。

使用的基础镜像为flink:1.12.7-scala_2.11-java8

在per-job mode中，我们向job manager传递parallelism.default参数，指定该job需要的task slot总数，然后由yarn或者但在docker部署中，由于缺失统一的资源调度工具，只能手动设置task manager的scale和taskmanager.numberOfTaskSlots，保证task manager的数量，缺乏扩容能力。因此，在生产环境部署中，推荐使用native k8s + application mode部署flink任务。