配置FlinkServer作业重启策略

FlinkServer作业重启策略介绍

Flink支持不同的重启策略，以在发生故障时控制作业是否重启以及如何重启。如果不指定重启策略，集群会使用默认的重启策略。用户也可以在提交作业时指定一个重启策略，可参考如何创建FlinkServer作业在作业开发界面配置（MRS 3.1.0及以后版本）。

重启策略也可以通过Flink的配置文件“客户端安装目录/Flink/flink/conf/flink-conf.yaml”中的参数“restart-strategy”指定，为全局配置，还可以在应用代码中动态指定，会覆盖全局配置，重启策略包括失败率（failure-rate）和两种默认策略，默认策略为如下：

• 无重启（No restart）：如果没有启用CheckPoint，默认使用该策略。
• 固定间隔（fixed-delay）：如果启用了CheckPoint，但没有配置重启策略，默认使用该策略。

No restart策略

发生故障时作业会直接失败，不会尝试重启。

参数配置为：

restart-strategy: none

fixed-delay策略

发生故障时会尝试重启作业固定次数，如果超过了最大的尝试次数，作业最终会失败。并且在两次连续重启尝试之间，重启策略会等待固定的时间。

以配置如果重启失败了3次则认为该Job失败，重试时间间隔为10s为例，参数配置为：

restart-strategy: fixed-delay
restart-strategy.fixed-delay.attempts: 3
restart-strategy.fixed-delay.delay: 10 s

failure-rate策略

在作业失败后会直接重启，但超过设置的失败率后，作业会被认定为失败。在两个连续的重启尝试之间，重启策略会等待一个固定的时间。

以配置10分钟内如果重启失败了3次则认为该作业失败，重试时间间隔为10s为例，参数配置为：

restart-strategy: failure-rate
restart-strategy.failure-rate.max-failures-per-interval: 3
restart-strategy.failure-rate.failure-rate-interval: 10 min
restart-strategy.failure-rate.delay: 10 s

如何选择重启策略

• 如果用户在作业失败后，不希望重试，则推荐使用No restart策略。
• 如果用户在作业失败后，希望对作业进行重试，推荐使用failure-rate策略。因为fixed-delay策略可能会因为网络、内存等硬件故障导致用户作业失败次数达到最大重试次数，从而导致作业失败。

  为了防止在failure-rate策略下的无限重启，推荐如下参数配置：

  restart-strategy: failure-rate
  restart-strategy.failure-rate.max-failures-per-interval: 3
  restart-strategy.failure-rate.failure-rate-interval: 10 min
  restart-strategy.failure-rate.delay: 10 s

如何创建FlinkServer作业

1. 访问Flink WebUI，请参考访问FlinkServer WebUI界面。
2. 单击“作业管理”进入作业管理页面。
3. 单击“新建作业”，在新建作业页面可选择新建Flink SQL作业或Flink Jar作业，然后填写作业信息，单击“确定”，创建作业成功并进入作业开发界面。
4. （可选）如果需要立即进行作业开发，可以在作业开发界面进行作业配置。

   进行作业开发时，系统支持对作业添加锁的功能，锁定作业的用户具备该作业的所有权限，其他用户不具备被锁定的作业的开发、启动和删除等权限，但可通过强制获取锁来具备作业的所有权限。开启该功能后，可直接通过单击“锁定作业”、“解锁作业”、“强制获取锁”来获取相应的权限。

   

   系统默认开启作业锁功能，可在Manager查看该功能启用状态。适用于MRS 3.3.0及以后版本。

   登录Manager，选择“集群 > 服务 > Flink > 配置 > 全部配置”，搜索参数“job.edit.lock.enable”，参数值为“true”表示开启，值为“false”表示关闭。

   • 新建Flink SQL作业
     1. 在作业开发界面进行作业开发。
        图1 FlinkServer作业开发界面
        

     2. 可以单击上方“语义校验”对输入内容校验，单击“SQL格式化”对SQL语句进行格式化。
     3. 作业SQL开发完成后，请参考表1设置基础参数，还可根据需要设置自定义参数，然后单击“保存”。

        表1 基础参数

        参数名称	参数描述
        并行度	并行数量。
        算子最大并行度	算子最大的并行度。
        JobManager内存（MB）	JobManager的内存。输入值最小为4096。
        提交队列	作业提交队列。不填默认提交到default。
        taskManager	taskManager运行参数。该参数需配置以下内容： slot数量：不填默认是1，建议填CPU核数； 内存（MB）：输入值最小为4096。
        开启CheckPoint	是否开启CheckPoint。开启后，需配置以下内容： 时间间隔（ms）：必填； 模式：必填； 可选项为：EXACTLY_ONCE、AT_LEAST_ONCE； 最小间隔（ms）：输入值最小为10； 超时时间：输入值最小为10； 最大并发量：正整数，且不能超过64个字符； 是否清理：是/否； 是否开启增量Checkpoint：是/否。
        故障恢复策略	作业的故障恢复策略，包含以下三种，详情请参考配置FlinkServer作业重启策略。 fixed-delay：需配置“重试次数”和“失败重试间隔（s）”； failure-rate：需配置“最大重试次数”、“时间间隔（min）”和“失败重试间隔（s）”； none：无。

     4. 单击左上角“提交”提交作业。
   • 新建Flink Jar作业
     1. 单击“选择”，上传本地Jar文件，并参考表2配置参数或添加自定义参数。

        表2 参数配置

        参数名称	参数描述
        本地jar文件	上传jar文件。直接上传本地文件，大小不能超过“flinkserver.upload.jar.max.size”设置的阈值，默认500MB。 登录Manager，选择“集群 > 服务 > Flink > 配置 > 全部配置”，搜索参数“flinkserver.upload.jar.max.size”即可设置jar文件阈值，取值范围为100-5120，单位MB。
        Main Class	Main-Class类型。 默认：默认根据Jar包文件的Mainfest文件指定类名。 指定：手动指定类名。
        类名	类名。 “Main Class”选择“指定”时存在该参数。
        类参数	类参数，为Main-Class的参数（参数间用空格分隔）。
        并行度	并行数量。 并行数为作业每个算子的并行数，适度增加并行数会提高作业整体算力，但也须考虑线程增多带来的切换开销，其上限是计算单元SPU数的四倍，最佳实践为计算单元SPU数的1-2倍。
        JobManager内存（MB）	JobManager的内存。输入值最小为4096。
        提交队列	作业提交队列。不填默认提交到default。
        taskManager	taskManager运行参数。该参数需配置以下内容： slot数量：不填默认是1，建议填CPU核数； 内存（MB）：输入值最小为4096。

     2. 单击“保存”保存配置，单击“提交”提交作业。

5. 返回作业管理页面，可以查看到已创建的作业名称、类型、状态、作业种类和描述等信息。

   作业创建完成后，可在对应作业的“操作”列对作业进行启动、开发、停止、编辑、删除、查看作业详情和Checkpoint故障恢复等操作。

   

   • 如果要使用其他用户在节点上读取已提交的作业相关文件，需确保该用户与提交作业的用户具有相同的用户组和具有对应的FlinkServer应用管理权限角色，如参考创建FlinkServer权限角色勾选“应用查看”。
   • 作业状态为“运行中”的作业可以查看作业详情。
   • 作业状态为“运行失败”、“运行成功”和“停止”的作业可以进行Checkpoint故障恢复。