网络
虚拟私有云 VPC
弹性公网IP EIP
弹性负载均衡 ELB
NAT网关 NAT
云专线 DC
虚拟专用网络 VPN
云连接 CC
VPC终端节点 VPCEP
企业路由器 ER
企业交换机 ESW
全球加速 GA
企业连接 EC
云原生应用网络 ANC
安全与合规
安全技术与应用
Web应用防火墙 WAF
企业主机安全 HSS
云防火墙 CFW
安全云脑 SecMaster
DDoS防护 AAD
数据加密服务 DEW
数据库安全服务 DBSS
云堡垒机 CBH
数据安全中心 DSC
云证书管理服务 CCM
威胁检测服务 MTD
态势感知 SA
认证测试中心 CTC
边缘安全 EdgeSec
应用中间件
微服务引擎 CSE
分布式消息服务Kafka版
分布式消息服务RabbitMQ版
分布式消息服务RocketMQ版
API网关 APIG
分布式缓存服务 DCS
多活高可用服务 MAS
事件网格 EG
管理与监管
统一身份认证服务 IAM
消息通知服务 SMN
云监控服务 CES
应用运维管理 AOM
应用性能管理 APM
云日志服务 LTS
云审计服务 CTS
标签管理服务 TMS
配置审计 Config
应用身份管理服务 OneAccess
资源访问管理 RAM
组织 Organizations
资源编排服务 RFS
优化顾问 OA
IAM 身份中心
云运维中心 COC
资源治理中心 RGC
解决方案
高性能计算 HPC
SAP
混合云灾备
开天工业工作台 MIW
Haydn解决方案工厂
数字化诊断治理专家服务
云生态
云商店
合作伙伴中心
华为云开发者学堂
华为云慧通差旅
开发与运维
软件开发生产线 CodeArts
需求管理 CodeArts Req
流水线 CodeArts Pipeline
代码检查 CodeArts Check
编译构建 CodeArts Build
部署 CodeArts Deploy
测试计划 CodeArts TestPlan
制品仓库 CodeArts Artifact
移动应用测试 MobileAPPTest
CodeArts IDE Online
开源镜像站 Mirrors
性能测试 CodeArts PerfTest
应用管理与运维平台 ServiceStage
云应用引擎 CAE
开源治理服务 CodeArts Governance
华为云Astro轻应用
CodeArts IDE
Astro工作流 AstroFlow
代码托管 CodeArts Repo
漏洞管理服务 CodeArts Inspector
联接 CodeArtsLink
软件建模 CodeArts Modeling
Astro企业应用 AstroPro
CodeArts盘古助手
华为云Astro大屏应用
计算
弹性云服务器 ECS
Flexus云服务
裸金属服务器 BMS
云手机服务器 CPH
专属主机 DeH
弹性伸缩 AS
镜像服务 IMS
函数工作流 FunctionGraph
云耀云服务器(旧版)
VR云渲游平台 CVR
Huawei Cloud EulerOS
云化数据中心 CloudDC
网络
虚拟私有云 VPC
弹性公网IP EIP
弹性负载均衡 ELB
NAT网关 NAT
云专线 DC
虚拟专用网络 VPN
云连接 CC
VPC终端节点 VPCEP
企业路由器 ER
企业交换机 ESW
全球加速 GA
企业连接 EC
云原生应用网络 ANC
CDN与智能边缘
内容分发网络 CDN
智能边缘云 IEC
智能边缘平台 IEF
CloudPond云服务
安全与合规
安全技术与应用
Web应用防火墙 WAF
企业主机安全 HSS
云防火墙 CFW
安全云脑 SecMaster
DDoS防护 AAD
数据加密服务 DEW
数据库安全服务 DBSS
云堡垒机 CBH
数据安全中心 DSC
云证书管理服务 CCM
威胁检测服务 MTD
态势感知 SA
认证测试中心 CTC
边缘安全 EdgeSec
大数据
MapReduce服务 MRS
数据湖探索 DLI
表格存储服务 CloudTable
可信智能计算服务 TICS
推荐系统 RES
云搜索服务 CSS
数据可视化 DLV
数据接入服务 DIS
数据仓库服务 GaussDB(DWS)
数据治理中心 DataArts Studio
湖仓构建 LakeFormation
智能数据洞察 DataArts Insight
应用中间件
微服务引擎 CSE
分布式消息服务Kafka版
分布式消息服务RabbitMQ版
分布式消息服务RocketMQ版
API网关 APIG
分布式缓存服务 DCS
多活高可用服务 MAS
事件网格 EG
开天aPaaS
应用平台 AppStage
开天企业工作台 MSSE
开天集成工作台 MSSI
API中心 API Hub
云消息服务 KooMessage
交换数据空间 EDS
云地图服务 KooMap
云手机服务 KooPhone
组织成员账号 OrgID
云空间服务 KooDrive
管理与监管
统一身份认证服务 IAM
消息通知服务 SMN
云监控服务 CES
应用运维管理 AOM
应用性能管理 APM
云日志服务 LTS
云审计服务 CTS
标签管理服务 TMS
配置审计 Config
应用身份管理服务 OneAccess
资源访问管理 RAM
组织 Organizations
资源编排服务 RFS
优化顾问 OA
IAM 身份中心
云运维中心 COC
资源治理中心 RGC
区块链
区块链服务 BCS
数字资产链 DAC
华为云区块链引擎服务 HBS
解决方案
高性能计算 HPC
SAP
混合云灾备
开天工业工作台 MIW
Haydn解决方案工厂
数字化诊断治理专家服务
价格
成本优化最佳实践
专属云商业逻辑
云生态
云商店
合作伙伴中心
华为云开发者学堂
华为云慧通差旅
其他
管理控制台
消息中心
产品价格详情
系统权限
客户关联华为云合作伙伴须知
公共问题
宽限期保留期
奖励推广计划
活动
云服务信任体系能力说明
开发与运维
软件开发生产线 CodeArts
需求管理 CodeArts Req
流水线 CodeArts Pipeline
代码检查 CodeArts Check
编译构建 CodeArts Build
部署 CodeArts Deploy
测试计划 CodeArts TestPlan
制品仓库 CodeArts Artifact
移动应用测试 MobileAPPTest
CodeArts IDE Online
开源镜像站 Mirrors
性能测试 CodeArts PerfTest
应用管理与运维平台 ServiceStage
云应用引擎 CAE
开源治理服务 CodeArts Governance
华为云Astro轻应用
CodeArts IDE
Astro工作流 AstroFlow
代码托管 CodeArts Repo
漏洞管理服务 CodeArts Inspector
联接 CodeArtsLink
软件建模 CodeArts Modeling
Astro企业应用 AstroPro
CodeArts盘古助手
华为云Astro大屏应用
存储
对象存储服务 OBS
云硬盘 EVS
云备份 CBR
高性能弹性文件服务 SFS Turbo
弹性文件服务 SFS
存储容灾服务 SDRS
云硬盘备份 VBS
云服务器备份 CSBS
数据快递服务 DES
云存储网关 CSG
专属分布式存储服务 DSS
数据工坊 DWR
地图数据 MapDS
键值存储服务 KVS
容器
云容器引擎 CCE
云容器实例 CCI
容器镜像服务 SWR
云原生服务中心 OSC
应用服务网格 ASM
华为云UCS
数据库
云数据库 RDS
数据复制服务 DRS
文档数据库服务 DDS
分布式数据库中间件 DDM
云数据库 GaussDB
云数据库 GeminiDB
数据管理服务 DAS
数据库和应用迁移 UGO
云数据库 TaurusDB
人工智能
AI开发平台ModelArts
华为HiLens
图引擎服务 GES
图像识别 Image
文字识别 OCR
自然语言处理 NLP
内容审核 Moderation
图像搜索 ImageSearch
医疗智能体 EIHealth
企业级AI应用开发专业套件 ModelArts Pro
人脸识别服务 FRS
对话机器人服务 CBS
语音交互服务 SIS
人证核身服务 IVS
视频智能分析服务 VIAS
城市智能体
自动驾驶云服务 Octopus
盘古大模型 PanguLargeModels
IoT物联网
设备接入 IoTDA
全球SIM联接 GSL
IoT数据分析 IoTA
路网数字化服务 DRIS
IoT边缘 IoTEdge
设备发放 IoTDP
企业应用
域名注册服务 Domains
云解析服务 DNS
企业门户 EWP
ICP备案
商标注册
华为云WeLink
华为云会议 Meeting
隐私保护通话 PrivateNumber
语音通话 VoiceCall
消息&短信 MSGSMS
云管理网络
SD-WAN 云服务
边缘数据中心管理 EDCM
云桌面 Workspace
应用与数据集成平台 ROMA Connect
ROMA资产中心 ROMA Exchange
API全生命周期管理 ROMA API
政企自服务管理 ESM
视频
实时音视频 SparkRTC
视频直播 Live
视频点播 VOD
媒体处理 MPC
视频接入服务 VIS
数字内容生产线 MetaStudio
迁移
主机迁移服务 SMS
对象存储迁移服务 OMS
云数据迁移 CDM
迁移中心 MGC
专属云
专属计算集群 DCC
开发者工具
SDK开发指南
API签名指南
DevStar
华为云命令行工具服务 KooCLI
Huawei Cloud Toolkit
CodeArts API
云化转型
云架构中心
云采用框架
用户服务
账号中心
费用中心
成本中心
资源中心
企业管理
工单管理
客户运营能力
国际站常见问题
支持计划
专业服务
合作伙伴支持计划
我的凭证
华为云公共事业服务云平台
工业软件
工业数字模型驱动引擎
硬件开发工具链平台云服务
工业数据转换引擎云服务
文档首页/ 云容器引擎 CCE/ 最佳实践/ 批量计算/ 在CCE集群中部署使用Flink

在CCE集群中部署使用Flink

更新时间:2025-01-08 GMT+08:00
分享

Flink是一个用于大规模数据处理的分布式流处理框架和计算引擎,可以处理有界(批处理)和无界(流处理)数据,提供低延迟、高吞吐量的实时数据处理能力,同时支持复杂事件处理和数据分析。在CCE集群中部署Flink,可以帮助您构建高效、可靠且灵活的数据处理系统,支持多样化的业务应用,并充分利用大数据环境中的集群资源。本示例将展示如何在CCE集群中部署Flink,并通过WordCount任务演示如何在CCE集群中运行Flink任务。示例中使用Flink standalone模式部署Flink集群,部署流程参考Flink官方文档:Kubernetes | Apache Flink

前提条件

步骤一:部署Flink集群

在Kubernetes上部署Flink集群通常需要三个关键组件,每个组件对应Flink官网提供的不同资源定义文件,具体说明请参见表1。此外,还需要使用Flink官网的flink-configuration-configmap.yaml配置文件完成Flink集群的基本配置。

表1 Flink集群关键组件

关键组件

资源定义文件

说明

运行JobManager的Deployment

jobmanager-session-deployment-non-ha.yaml

JobManager是Flink集群的核心组件,负责协调和管理Flink作业的执行,能够处理任务调度、作业协调、资源分配和故障恢复。

运行TaskManager的Deployment

taskmanager-session-deployment.yaml

TaskManager是Flink集群的工作节点,负责实际执行分配的任务。每个TaskManager运行一个或多个任务槽(Task Slot),这些任务槽用于执行Flink作业的任务。

暴露JobManager的Rest和UI端口的Service

jobmanager-service.yaml

暴露Flink JobManager的REST和Web UI端口,使用户可以通过该Service访问JobManager的REST API和Web UI。

  1. 配置Flink集群的基本信息。

    1. 创建名为flink-configuration-configmap.yaml的YAML文件。
      vim flink-configuration-configmap.yaml
      文件内容如下,已添加相关注释。
      apiVersion: v1
      kind: ConfigMap
      metadata:
        name: flink-config
        labels:
          app: flink
      # data定义了ConfigMap中存储的数据部分。示例中,data包含两个配置文件:config.yaml和log4j-console.properties
      data:   
        config.yaml: |+
          # Flink JobManager的RPC地址,通常对应JobManager的服务名称,这里设置为flink-jobmanager
          jobmanager.rpc.address: flink-jobmanager
          # 每个TaskManager中的任务槽数量,这里设置为2,即每个TaskManager可以并行处理2个任务。   
          taskmanager.numberOfTaskSlots: 2
          # Flink BLOB服务的端口,用于传输大对象,如作业代码或大文件
          blob.server.port: 6124
          jobmanager.rpc.port: 6123              # JobManager的RPC服务端口
          taskmanager.rpc.port: 6122             # TaskManager的RPC服务端口
          jobmanager.memory.process.size: 1600m  # JobManager的总内存配置
          taskmanager.memory.process.size: 1728m # TaskManager的总内存配置
          parallelism.default: 2                 # Flink作业的默认并行度为2
        log4j-console.properties: |+
          # 如下配置会同时影响用户代码和Flink的日志行为
          rootLogger.level = INFO                # 日志系统将记录INFO级别及其以上的日志
          rootLogger.appenderRef.console.ref = ConsoleAppender      # 将日志输出到控制台
          rootLogger.appenderRef.rolling.ref = RollingFileAppender  # 日志输出到滚动文件
          # 如果您只想改变Flink的日志行为则可以取消下面2行的注释部分
          #logger.flink.name = org.apache.flink
          #logger.flink.level = INFO
       
          # 下面8行将公共libraries或connectors的日志级别保持在INFO级别
          # root logger 的配置不会覆盖此处配置
          # 你必须手动修改这里的日志级别
          logger.pekko.name = org.apache.pekko
          logger.pekko.level = INFO
          logger.kafka.name= org.apache.kafka
          logger.kafka.level = INFO
          logger.hadoop.name = org.apache.hadoop
          logger.hadoop.level = INFO
          logger.zookeeper.name = org.apache.zookeeper
          logger.zookeeper.level = INFO
       
          # 将所有info级别的日志输出到控制台
          appender.console.name = ConsoleAppender
          appender.console.type = CONSOLE
          appender.console.layout.type = PatternLayout
          appender.console.layout.pattern = %d{yyyy-MM-dd HH:mm:ss,SSS} %-5p %-60c %x - %m%n
       
          # 将所有info级别的日志输出到指定的滚动文件
          appender.rolling.name = RollingFileAppender
          appender.rolling.type = RollingFile
          appender.rolling.append = false
          appender.rolling.fileName = ${sys:log.file}
          appender.rolling.filePattern = ${sys:log.file}.%i
          appender.rolling.layout.type = PatternLayout
          appender.rolling.layout.pattern = %d{yyyy-MM-dd HH:mm:ss,SSS} %-5p %-60c %x - %m%n
          appender.rolling.policies.type = Policies
          appender.rolling.policies.size.type = SizeBasedTriggeringPolicy
          appender.rolling.policies.size.size=100MB
          appender.rolling.strategy.type = DefaultRolloverStrategy
          appender.rolling.strategy.max = 10
       
          # 关闭 Netty channel handler 中不相关的(错误)警告
          logger.netty.name = org.jboss.netty.channel.DefaultChannelPipeline
          logger.netty.level = OFF      
    2. 利用flink-configuration-configmap.yaml配置Flink集群的基本信息。
      kubectl create -f flink-configuration-configmap.yaml
    3. 根据以下代码,检查名为flink-config的ConfigMap是否建立成功。
      kubectl get configmap

      若回显内容如下,则说明ConfigMap创建成功。

      NAME               DATA   AGE
      flink-config       2      59s
      kube-root-ca.crt   1      16d

  2. 创建暴露JobManager的REST和UI端口的Service。

    1. 创建名为jobmanager-service.yaml的YAML文件。
      vim jobmanager-service.yaml

      文件内容如下,已添加相关注释。

      apiVersion: v1
      kind: Service
      metadata:
        name: flink-jobmanager
      spec:
        type: ClusterIP   # Service类型为集群内部访问
        ports:            # 定义Service暴露的端口列表
        - name: rpc
          port: 6123
        - name: blob-server
          port: 6124
        - name: webui
          port: 8081
        selector:         #定义Service的标签选择器,用于确定该Service将流量路由到哪些Pod
          app: flink
          component: jobmanager
    2. 根据jobmanager-service.yaml创建名为flink-jobmanager的Service。
      kubectl create -f jobmanager-service.yaml
    3. 利用以下命令检查Service是否创建成功。
      kubectl get service flink-jobmanager

  3. 创建运行JobManager的Deployment。

    1. 创建名为jobmanager-session-deployment-non-ha.yaml的YAML文件。
      vim jobmanager-session-deployment-non-ha.yaml

      文件内容如下,已添加相关注释。

      apiVersion: apps/v1
      kind: Deployment
      metadata:
        name: flink-jobmanager
      spec:
        replicas: 1                  # 指定JobManager的副本数为1
        selector:
          matchLabels:               # 定义标签 
            app: flink           
            component: jobmanager
        template:
          metadata:
            labels:
              app: flink
              component: jobmanager
          spec:
            containers:
            - name: jobmanager       # 容器的名称为jobmanager
              image: apache/flink:1.20.0-scala_2.12    # 使用的Flink镜像,版本为1.20.0,Scala版本为2.12
              args: ["jobmanager"]   # 运行容器时传递的参数,指定这个容器运行为JobManager
              ports:                 # 用于暴露容器内相关端口
              - containerPort: 6123  # 用于TaskManager与JobManager通信
                name: rpc
              - containerPort: 6124  # 用于传输二进制对象
                name: blob-server
              - containerPort: 8081  # 用于访问Flink的Web管理界面
                name: webui
              livenessProbe:
                tcpSocket:
                  port: 6123         # 使用TCP检查RPC端口6123的健康状况
                initialDelaySeconds: 30
                periodSeconds: 60
              volumeMounts:          # 挂载存储卷
              - name: flink-config-volume
                mountPath: /opt/flink/conf
              securityContext:
                runAsUser: 9999      # 参考官方flink镜像中的_flink_用户,如有必要可以修改
            volumes:                 # 定义存储卷,用于存储配置文件
            - name: flink-config-volume
              configMap:
                name: flink-config
                items:
                - key: config.yaml   # 将ConfigMap中的config.yaml文件挂载到容器的指定路径
                  path: config.yaml  # 在容器中的路径为/opt/flink/conf/config.yaml
                - key: log4j-console.properties    # 将ConfigMap中的log4j-console.properties文件挂载到容器的指定路径
                  path: log4j-console.properties   # 在容器中的路径为/opt/flink/conf/log4j-console.properties
    2. 根据jobmanager-session-deployment-non-ha.yaml创建名为flink-jobmanager的Deployment。
      kubectl create -f jobmanager-session-deployment-non-ha.yaml
    3. 利用以下命令检查名为flink-jobmanager的Deployment是否创建成功。
      kubectl get pod

  4. 创建运行TaskManager的Deployment。

    1. 创建名为taskmanager-session-deployment.yaml的YAML文件。
      vim taskmanager-session-deployment.yaml

      文件内容如下,已添加相关注释。

      apiVersion: apps/v1
      kind: Deployment
      metadata:
        name: flink-taskmanager
      spec:
        replicas: 2                    # 指定TaskManager的副本数为2
        selector:
          matchLabels:                 # 定义标签
            app: flink
            component: taskmanager
        template:
          metadata:
            labels:
              app: flink
              component: taskmanager
          spec:
            containers:
            - name: taskmanager        # 容器的名称为taskmanager
              image: apache/flink:1.20.0-scala_2.12    # 使用的Flink镜像,版本为1.20.0,Scala版本为2.12
              args: ["taskmanager"]    # 运行容器时传递的参数,指定这个容器运行为TaskManager
              ports:                   # 用于暴露容器内相关端口
              - containerPort: 6122    # 用于TaskManager与JobManager通信
                name: rpc
              livenessProbe: 
                tcpSocket:
                  port: 6122           # 使用TCP检查RPC端口6122的健康状况
                initialDelaySeconds: 30
                periodSeconds: 60
              volumeMounts:            # 挂载存储卷
              - name: flink-config-volume
                mountPath: /opt/flink/conf/
              securityContext:
                runAsUser: 9999       # 参考官方flink镜像中的_flink_用户,如有必要可以修改
            volumes:                  # 定义存储卷,用于存储配置文件
            - name: flink-config-volume
              configMap:
                name: flink-config
                items:
                - key: config.yaml
                  path: config.yaml
                - key: log4j-console.properties
                  path: log4j-console.properties
    2. 根据taskmanager-session-deployment.yaml创建名为flink-taskmanager的Deployment。
      kubectl create -f taskmanager-session-deployment.yaml
    3. 利用以下命令检查名为flink-taskmanager的Deployment是否创建成功。
      kubectl get pod

步骤二:对外发布服务

创建flink-jobmanager工作负载的节点访问类型Service,并允许外部网络通过集群节点的公网IP和自动分配的对外端口号来访问Flink JobManager服务。该节点访问类型Service会将外部请求转发给相应的容器。

  1. 登录CCE控制台,进入“工作负载 > 无状态负载”页面,选择flink-jobmanager,单击“访问方式”页签,服务模块单击“创建服务”
  2. 在创建服务界面,访问类型选择“节点访问”,在端口配置中,容器端口和服务端口都设置为8081,单击“确定”。该服务会自动生成节点访问端口,自动生成的节点端口位置请参见图2,本示例中节点访问端口为30327。您可以通过集群任一节点的弹性公网IP和端口号访问该工作负载。

    图1 创建节点访问类型Service

    图2 节点端口位置

  3. 检查该服务是否能正常访问。单击“节点管理”,单击“节点”,选择任一节点,复制对应的弹性公网IP。

    在浏览器中输入“节点弹性公网IP地址:节点访问端口”,出现Flink的Dashboard页面则说明访问成功。若访问不成功,请检查集群安全组入站规则中是否已将该节点访问端口的源地址设置为“0.0.0.0/0”“全部”,具体请参见配置安全组规则

    图3 Flink的Dashboard页面

步骤三:执行Flink任务

利用官方示例WordCount.jar文件示范如何在CCE集群中执行Flink任务。WordCount任务的核心功能是计算输入文本中每个单词出现的次数。

  1. 下载并解压flink-1.20.0-bin-scala_2.12.tgz,该文件来自https://archive.apache.org/dist/flink/flink-1.20.0/flink-1.20.0-bin-scala_2.12.tgz。检查“flink-1.20.0-bin-scala_2.12\flink-1.20.0\examples\streamin”路径下是否有WordCount.jar包。
  2. 在Dashboard页面添加Jar包。打开Flink的Dashboard页面,在左侧菜单栏中单击“Submit New Job”,右上角单击“Add New”,选择“flink-1.20.0-bin-scala_2.12\flink-1.20.0\examples\streamin”路径下的WordCount.jar。单击上传的WordCount.jar,在“Program Arguments”栏中指定输出文件的路径,如“--output /opt/flink/output”

    图4 上传WordCount任务

  3. 在弹出的页面中,单击Overview的右侧蓝色方块,单击“Taskmanager”,查看该任务的Endpoint,根据Endpoint可以进一步得知该任务对应的TaskManager Pod。

    图5 查看Endpoint

  4. 查找Endpoint对应的TaskManager Pod。在命令行界面输入以下命令,查看Flink相关Pod对应的IP地址。

    kubectl get pod -o wide | grep flink

    回显结果如下,可知“flink-taskmanager-579f47cf9f-prrff”为寻找的TaskManager Pod。

    flink-jobmanager-789c8777-vhqbv         1/1     Running             1 (28m ago)    40h     192.168.0.139   192.168.0.53    <none>           <none>
    flink-taskmanager-579f47cf9f-prrff      1/1     Running             1 (28m ago)    40h     192.168.0.92    192.168.0.53    <none>           <none>
    flink-taskmanager-579f47cf9f-wgt66      1/1     Running             1 (28m ago)    40h     192.168.0.194   192.168.0.212   <none>           <none>

  5. 待任务执行完毕,进入“flink-taskmanager-579f47cf9f-prrff”查看是否正确输出每个单词出现的次数。

    kubectl exec -it flink-taskmanager-579f47cf9f-prrff -- bash

    利用ls命令查找输出结果的具体路径。

    ls /opt/flink/output/

    回显结果如下:

    2024-09-02--01

    查看2024-09-02--01文件夹内容。

    ls /opt/flink/output/2024-09-02--01

    回显结果如下:

    part-bd89ad8b-a0dd-4b4d-b771-4c88eaed61e4-0

    根据最后确定的路径,查看每个单词的出现次数。

    cat /opt/flink/output/2024-09-02--01/part-bd89ad8b-a0dd-4b4d-b771-4c88eaed61e4-0

    回显结果如下:

    (to,1)
    (be,1)
    (or,1)
    (not,1)
    (to,2)
    (be,2)
    (that,1)
    ...

步骤四:集群清理

  1. 删除运行JobManager的Deployment。

    kubectl delete -f jobmanager-session-deployment-non-ha.yaml

    回显结果如下:

    deployment.apps "flink-jobmanager" deleted

  2. 删除运行TaskManager的Deployment。

    kubectl delete -f taskmanager-session-deployment.yaml

    回显结果如下:

    deployment.apps "flink-taskmanager" deleted

  3. 删除ConfigMap。

    kubectl delete -f flink-configuration-configmap.yaml

    回显结果如下:

    configmap "flink-config" deleted

  4. 删除Service。

    kubectl delete -f jobmanager-service.yaml

    回显结果如下:

    service "flink-jobmanager" delete

提示

您即将访问非华为云网站,请注意账号财产安全

文档反馈

文档反馈

意见反馈

0/500

标记内容

同时提交标记内容