原文鏈接：https://blog.csdn.net/a_drjiaoda/article/details/88037282
前言：Flink的運行一般分為三種模式，即local、Standalone、On Yarn。
在安裝Flink之前，需要對安裝環境進行檢查。本文是建立在Hadoop、Zookeeper等常規大數據軟件都已經安裝成功的前體下，由於在時間環境中，常常需要Hadoop的組件配合Flink，因此我們在官網下載安裝包時，需要找到對應Hadoop版本的Flink安裝包以及系統中Scala的版本，我使用的版本是Hadoop2.8.5+scala2.11.12。scala安裝不多做贅述，只需修改一下環境變量即可，比安裝QQ還簡單。
下載Flink安裝包
下載Flink二進制包：https://flink.apache.org/downloads.html, 選擇flink-1.7.2-bin-hadoop28-scala_2.11.tgz。保存到windows下之后，使用winScp傳輸到linux系統下/usr目錄，這個目錄只是小廚將所有的系統軟件都放在這里，為了清晰的訪問各個系統的文件夾。
解壓安裝：使用命令 tar -zvxf flink-1.7.2-bin-hadoop28-scala_2.11.tgz對文件進行解壓，為了目錄整潔，這里使用命令將解壓完的文件重命名為flink： mv flink-1.7.2/ flink
一：local模式
Local模式比較簡單，用於本地測試，因此不多做贅述。只需在主節點上解壓安裝包就代表成功安裝了，在flink安裝目錄下使用./bin/start-cluster.sh命令，就可以通過master:8081監控集群狀態，關閉集群命令：./bin/stop-cluster.sh。
二：Standalone模式
Standalone模式顧名思義，是在本地集群上調度執行，不依賴於外部調度機制例如YARN。此時需要對配置文件進行一些簡單的修改，我們預計使用master節點當Job manage，master、slave1、slave2三台機器充當Task Managers。
1、修改環境變量，vi /etc/profile,添加以下內容
export FLINK_HOME=/usr/flink
export PATH=$FLINK_HOME/bin:$PATH
2、更改配置文件flink-conf.yaml，cd $FLINK_HOME/conf, vi flink-conf.yaml
主要更改的位置有：
jobmanager.rpc.address: master
taskmanager.numberOfTaskSlots: 2
parallelism.default: 4
上述我們只列出了一些常用需要修改的文件內容，下面我們再簡單介紹一些
# jobManager 的IP地址
jobmanager.rpc.address: master
# JobManager 的端口號
jobmanager.rpc.port: 6123
# JobManager JVM heap 內存大小
jobmanager.heap.size: 1024m
# TaskManager JVM heap 內存大小
taskmanager.heap.size: 1024m
# 每個 TaskManager 提供的任務 slots 數量大小，默認為1
taskmanager.numberOfTaskSlots: 2
# 程序默認並行計算的個數，默認為1
parallelism.default: 4
3、配置masters文件
該文件用於指定主節點及其web訪問端口，表示集群的Jobmanager，vi masters，添加master:8081
4、配置slaves文件，該文件用於指定從節點，表示集群的taskManager。添加以下內容
master
slave1
slave2
5、分發flink服務，並在從節點環境變量文件/etc/profile中添加相關內容
scp -r /usr/flink root@slave1:/usr
scp -r /usr/flink root@slave2:/usr
6、啟動flink集群 （因為在環境變量中已經指定了flink的bin位置，因此可以直接輸入start-cluster.sh）
7、驗證flink進程，登錄web界面
由上圖可看出，在master節點上已經啟動了flink的Jobmanager和Taskmanager進程，slave節點啟動了Taskmanager進程,Flink集群的相關服務已正常啟動，下面查看Web界面是否正常，登錄配置的master的ip地址+端口號：192.168.83.129:8081,flink cluster情況如下：
至此，standalone模式已成功安裝。
注：這里只是集群模式而已，在實際場景中，我們一般需要配置為HA，防止Jobmanager突然掛掉，導致整個集群或者任務執行失敗的情況發生。下面介紹一下Standalone HA模式的搭建安裝
三、Standalone HA模式
當Flink程序運行時，如果jobmanager崩潰，那么整個程序都會失敗。為了防止jobmanager的單點故障，借助於zookeeper的協調機制，可以實現jobmanager的HA配置—-1主（leader）多從（standby）。這里的HA配置只涉及standalone模式，yarn模式暫不考慮。
本例中規划Jobmanager:master,slave1(一個active，一個standby)；Taskmanager：slave1，slave2；zookeeper集群。
1、更改flink-conf.yaml配置文件
1.jobmanager端口
jobmanager.web.port: 8081(需要防止端口沖突)
1.jobmanager地址
注釋jobmanager.rpc.address:flink配置項
HA模式下，jobmanager不需要指定，在master file中配置，由zookeeper選出leader與standby。
2.checkpoints目錄
檢查點生成的分布式快照的保存地點，默認是jobmanager的memory，但是HA模式必須配置在hdfs上，
且保存路徑需要在hdfs上創建並指定路徑
state.backend: filesystem
state.backend.fs.checkpointdir: hdfs://192.168.83.129:9000/flink-metadata/checkpoints
3.hadoopconf路徑：
指定hadoop conf路徑，這里需要告訴Flink，hadoop配置的路徑，否則會報錯
fs.hdfs.hadoopconf: $HADOOP_HOME/etc/hadoop
4.zookeeper信息
recovery.mode: zookeeper
recovery.zookeeper.quorum: master:2181,slave1:2181,slave2:2181
recovery.zookeeper.storageDir: hdfs://192.168.83.129:9000/flink-metadata/recovery
recovery.zookeeper.path.root: /flink
recovery.zookeeper.path.namespace: /flink
配置項說明：
storageDir存儲jobmanager的元數據信息，包括用於恢復的信息；
recovery.zookeeper.path.root代表zookeeper中節點信息；
recovery.zookeeper.path.namespace，如果Flink集群有不止一個，那么這個值需要指定，不能用默認的名字
2、配置masters文件
master:8081
slave1:8081
注意： spark有個端口已經占用了8081，如果要和spark部署到同一個集群中，應當防止端口沖突
3、分發配置文件，將剛剛修改的配置文件slaves和flink-conf.yaml分發至另外兩個節點。
4、重啟flink集群：start-cluster.sh
四、Flink on yarn
Flink on yarn的模式適用於實際環境，最近也一直聽到很多關於flink on yarn 的消息。由於比較重要，因此單獨放一篇《Flink on Yarn模式部署始末》