一、简介

Flink Kubernetes Operator是针对在Kubernetes上运转Apache Flink应用程序而设计的东西。它充分利用了Kubernetes的优势，完成了对Flink集群的弹性办理和主动化操作，经过扩展Kubernetes API的方法，供给了办理和操作Flink布置的功用。

Flink Kubernetes Operator 介绍

二、优缺陷

长处：

1.布置和监控 Flink 应用程序和会话布置：Flink Kubernetes Operator 答应用户在 Kubernetes 集群中轻松布置和监控 Flink 应用程序。它支撑会话模式布置，答应多个 Flink 作业同享相同的 Flink 集群，优化资源运用并简化办理。

2.晋级、挂起和删去布置：用户可以方便地晋级 Flink 应用程序，无需中止当时作业。同时，Flink Kubernetes Operator 也支撑暂停或删去布置，供给灵敏的办理选项以习惯不同的运维需求。

3.完整的日志记载和度量集成：它供给了强大的日志记载和监控功用，使运维团队可以实时监控 Flink 应用程序的功用和状况。这些日志和度量信息可以与 Kubernetes 的监控东西集成，方便进行功用分析和毛病排查。

4.灵敏的布置和与 Kubernetes 东西的本地集成：Flink Kubernetes Operator 支撑灵敏的布置策略，答应用户依据需求定制 Flink 应用程序的布置。此外，由于它是专为 Kubernetes 设计的，因此与 Kubernetes 的原生东西和生态体系（如 Helm）集成得非常严密，进一步增强了用户的布置和办理体验。

缺陷：

1.兼容的版别有限:现在支撑的 Flink版别有：1.13、1.14、1.15、1.16、1.17和1.18。

2.灵敏性不够高：现在还不能彻底主动扩展或减缩资源。

3.用户体量较少，不知道的 bug 较多:现在是 apache flink 出来的一个子项目，大部分企业都仍是在运用 fink native kubernetes 办理，或者自己二次开发了 Flink Kubernetes Operator，但没有彻底贡献到社区。

三、组件

Flink Kubernetes Operator的组件首要包含以下几个部分：

Operator控制器： 这是Flink Kubernetes Operator的中心组件，担任监听Kubernetes API中的Flink集群和作业界说，并依据这些界说履行相应的操作。它办理着Flink集群的生命周期，包含集群的创立、更新、删去等操作。

自界说资源（Custom Resource）： 用户可以经过自界说资源界说Flink集群和作业的装备。这些资源描绘了Flink集群的标准、资源需求、作业的装备等信息。Operator会依据这些自界说资源的界说来创立和办理Flink集群。

资源控制器（Resource Controller）： 资源控制器担任办理Flink集群的核算资源。它会依据集群的需求动态调整TaskManager的数量和装备，以保证集群可以高效地处理作业负载。

作业办理器（Job Manager）： 作业办理器是Flink集群的中心组件，担任作业的调度和办理。它会接纳用户提交的作业，并依据集群的资源状况进行作业的调度和履行。作业办理器还供给作业的监控和毛病康复功用。

使命办理器（Task Manager）： 使命办理器是Flink集群的核算节点，担任履行详细的核算使命。它会接纳作业办理器分配的使命，并在本地履行核算操作。使命办理器会将核算结果回来给作业办理器，并在需求时与其他使命办理器进行数据传输和通信。

存储卷（Storage Volumes）： Flink Kubernetes Operator运用Kubernetes的存储卷来持久化Flink集群的状况和数据。这些存储卷可以是持久化存储卷或临时存储卷，详细取决于用户的需求和装备。

监控与日志体系： Flink Kubernetes Operator可以集成Kubernetes的监控和日志体系，这些体系可以供给实时监控和日志搜集功用，帮助用户了解Flink集群和作业的运转状况，并进行毛病排除和功用优化。

四、布置作业流程

用户运用Kubernetes命令行东西kubectl与Flink Operator进行交互。Operator将会继续追寻与FlinkDeploymenty与FlinkSessionJob自界说资源相关的布置事情，同时经过Operator内部的一个观察把状况回来给用户。

Flink Kubernetes Operator 介绍

Operator由以下进程组成：

1.用户运用提交FlinkDeployment自界说资源(CR)并提交到Operator上。

2.Operator发动Flink集群布置，应创立UI拜访的ingress规则，与此同时创立JobManager和TaskManager并提交Flink作业。

3.可以随时在集群上（重新）应用布置。Operator不断调整以模仿期望的状况，直到当时状况变为用户期望状况，这个进程称为reconcile，是一个继续进行的循环。

五、作业流程

Flink Kubernetes Operator的作业流程大致可以分为以下几个进程：

1.资源界说：

用户经过界说Flink CR资源，如Flink Application或Flink Session Cluster，来描绘他们期望布置的Flink集群的装备。

2.资源提交：

用户将CR资源提交到Kubernetes集群。

3.Operator呼应：

Flink Kubernetes Operator监测到CR资源的提交，开端履行相应的操作。

4.集群布置与办理：

Operator依据CR的界说，布置Flink集群，JobManager节点和TaskManager节点。

Operator还担任监控集群状况，处理毛病康复，进行晋级和缩放等操作。

5.状况更新与反应：

Operator将集群的实时状况更新到CR的状况字段中，用户可以经过查询CR的状况来获取集群的运转状况。

六、装置与运用

环境准备，需求装置docker、k8s集群、 heml

装置operator

get https://github.com/jetstack/cert-manager/releases/download/v1.8.2/cert-manager.yaml
kubectl create -f cert-manager.yaml

Flink Kubernetes Operator 介绍

检查pod是否正常运转

kubectl get pods -A |grep cert-manager

Flink Kubernetes Operator 介绍

elm repo add flink-operator-repo
https://downloads.apache.org/flink/flink-kubernetes-operator-1.6.1/
helm install flink-kubernetes-operator flink-operator-repo/flink-kubernetes-operator

Flink Kubernetes Operator 介绍

检查pod是否正常

kubectl get pods -A |grep flink-kubernetes-operator

Flink Kubernetes Operator 介绍

Operator发动完成后，可以提交flink作业了，这儿运用官方的资源文件basic.yaml，其内容如下：

apiVersion: flink.apache.org/v1beta1
kind: FlinkDeployment    
metadata:
  name: basic-example
spec:
  image: flink:1.15
  flinkVersion: v1_15
  flinkConfiguration:
    taskmanager.numberOfTaskSlots: "2"
  serviceAccount: flink
  jobManager:
    resource:
      memory: "2048m"
      cpu: 1
  taskManager:
    resource:
      memory: "2048m"
      cpu: 1
  job:
    jarURI: local:///opt/flink/examples/streaming/StateMachineExample.jar
    parallelism: 2
upgradeMode: stateless

提交作业

kubectl create -f basic.yaml

检查作业是否发动

kubectl get pods -A |grep basic

Flink Kubernetes Operator 介绍

如果需求翻开flink web监控页面，需求暴露端口，命令如下

kubectl port-forward --address 0.0.0.0 svc/basic-example-rest 8081

Flink Kubernetes Operator 介绍

删去Flink作业

kubectl delete -f basic.yaml

七、结语

Flink Kubernetes Operator是一种强大而灵敏的东西，简化了在Kubernetes上布置和办理Flink集群的复杂性，让开发人员和运维团队可以更专心于业务逻辑而非基础设施的细节。经过运用Operator，可以更轻松地办理Flink作业的生命周期，并依据负载的需求主动调整集群规划，使得在 Kubernetes 上运转 Flink 应用程序变得愈加方便和可靠。