如何在 AWS EMR (ElasticMapReduce) 中監控 Apache Flink？

Question

我目前有 Flink 設置並且有一個在 EMR 上運行的作業，我現在正嘗試通過將指標發送到 prometheus 來添加監控。

我遇到了在 EMR 上運行 Flink 的問題。 我正在使用 Terraform 來配置 EMR（我在下載並運行作業之后運行 ansible）。 開箱即用，EMR 的 Flink 發行版看起來並不包含可選的 jar（flink-metrics-prometheus、flink-cep 等）。

查看 Flink 的文檔，它說

“為了使用這個報告器，你必須將/opt/flink-metrics-prometheus-1.6.1.jar復制到你的 Flink 發行版的/lib文件夾中” https://ci.apache.org/projects/flink/flink- docs-release-1.6/monitoring/metrics.html#prometheuspushgateway-orgapacheflinkmetricsprometheusprometheuspushgatewayreporter

但是在登錄EMR主節點時，/etc/flink和/usr/lib/flink都沒有一個叫做opts的目錄，我在任何地方都看不到flink-metrics-prometheus-1.6.1.jar 。

我知道 Flink 有其他可選的庫，如果你想使用它們，你通常需要復制它們，比如 flink-cep，但我不知道在使用 EMR 時如何做到這一點。

這是我得到的例外，我相信這是因為它在其類路徑中找不到指標 jar。

java.lang.ClassNotFoundException: org.apache.flink.metrics.prometheus.PrometheusPushGatewayReporter
    at java.net.URLClassLoader.findClass(URLClassLoader.java:382)
    at java.lang.ClassLoader.loadClass(ClassLoader.java:424)
    at sun.misc.Launcher$AppClassLoader.loadClass(Launcher.java:349)
    at java.lang.ClassLoader.loadClass(ClassLoader.java:357)
    at java.lang.Class.forName0(Native Method)
    at java.lang.Class.forName(Class.java:264)
    at org.apache.flink.runtime.metrics.MetricRegistryImpl.<init>(MetricRegistryImpl.java:144)
    at org.apache.flink.runtime.entrypoint.ClusterEntrypoint.createMetricRegistry(ClusterEntrypoint.java:419)
    at org.apache.flink.runtime.entrypoint.ClusterEntrypoint.initializeServices(ClusterEntrypoint.java:276)
    at org.apache.flink.runtime.entrypoint.ClusterEntrypoint.runCluster(ClusterEntrypoint.java:227)
    at org.apache.flink.runtime.entrypoint.ClusterEntrypoint.lambda$startCluster$0(ClusterEntrypoint.java:191)
    at java.security.AccessController.doPrivileged(Native Method)
    at javax.security.auth.Subject.doAs(Subject.java:422)
    at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1844)
    at org.apache.flink.runtime.security.HadoopSecurityContext.runSecured(HadoopSecurityContext.java:41)
    at org.apache.flink.runtime.entrypoint.ClusterEntrypoint.startCluster(ClusterEntrypoint.java:190)
    at org.apache.flink.yarn.entrypoint.YarnSessionClusterEntrypoint.main(YarnSessionClusterEntrypoint.java:137)

terraform 中的 EMR 資源

  resource "aws_emr_cluster" "emr_flink" {
  name          = "ce-emr-flink-arn"
  release_label = "emr-5.20.0" # 5.21.0 is not found, could be a region thing
  applications  = ["Flink"]

  ec2_attributes {
    key_name                          = "ce_test"
    subnet_id                         = "${aws_subnet.ce_test_subnet_public.id}"
    instance_profile                  = "${aws_iam_instance_profile.emr_profile.arn}"
    emr_managed_master_security_group = "${aws_security_group.allow_all_vpc.id}"
    emr_managed_slave_security_group  = "${aws_security_group.allow_all_vpc.id}"
    additional_master_security_groups  = "${aws_security_group.external_connectivity.id}"
    additional_slave_security_groups  = "${aws_security_group.external_connectivity.id}"
  }

  ebs_root_volume_size = 100
  master_instance_type = "m4.xlarge"
  core_instance_type   = "m4.xlarge"
  core_instance_count  = 2

  service_role = "${aws_iam_role.iam_emr_service_role.arn}"

  configurations_json = <<EOF
[
  {
    "Classification": "flink-conf",
    "Properties": {
        "parallelism.default": "8",
        "state.backend": "RocksDB",
        "state.backend.async": "true",
        "state.backend.incremental": "true",
        "state.savepoints.dir": "file:///savepoints",
        "state.checkpoints.dir": "file:///checkpoints",
        "web.submit.enable": "true",
        "metrics.reporter.promgateway.class": "org.apache.flink.metrics.prometheus.PrometheusPushGatewayReporter",
        "metrics.reporter.promgateway.host": "${aws_instance.monitoring.private_ip}",
        "metrics.reporter.promgateway.port": "9091",
        "metrics.reporter.promgateway.jobName": "ce-test",
        "metrics.reporter.promgateway.randomJobNameSuffix": "true",
        "metrics.reporter.promgateway.deleteOnShutdown": "false"
    }
  }
]
EOF
}

我懷疑我可能需要在引導階段下載 Jar，但想先檢查一下，看看是否有任何例子可以完成

Answer 1

我沒有使用過 Terraform，但請注意，您通常需要在 EMR 中的主站和從站上配置（設置 jar）。 找出 EMR 認為 jar 應該去哪里的一種方法是在作業運行時登錄從屬設備，執行ps auxwww | grep java ps auxwww | grep java ，找到TaskManager進程，查看它啟動時添加到類路徑中的 jar，並找到它們在服務器上的位置。 或者至少在過去對我有用。

Answer 2

我選擇了 EMR 版本 emr-5.24.0，並使用 influxdb .jar 進行監控並成功。

我已將 .jar 文件復制到/usr/lib/flink/lib文件夾並使用以下 bash 命令（具有 sudo 權限）重新啟動 Flink 集群。

/usr/lib/flink/bin/stop-cluster.sh && /usr/lib/flink/bin/stop-cluster.sh

我假設您可以使用與普羅米修斯相同的步驟來解決您的問題

[ec2-user@ip-10-0-11-17 ~]$ cd /usr/lib/flink/opt/flink-metrics-
flink-metrics-datadog-1.8.0.jar     flink-metrics-influxdb-1.8.0.jar    flink-metrics-slf4j-1.8.0.jar
flink-metrics-graphite-1.8.0.jar    flink-metrics-prometheus-1.8.0.jar  flink-metrics-statsd-1.8.0.jar


[ec2-user@ip-10-0-11-17 ~]$ ll /usr/lib/flink/opt/flink-metrics-prometheus-1.8.0.jar
-rw-r--r-- 1 root root 101984 may 14 19:21 /usr/lib/flink/opt/flink-metrics-prometheus-1.8.0.jar


[ec2-user@ip-10-0-11-17 ~]$ uname -a
Linux ip-10-0-11-17 4.14.114-83.126.amzn1.x86_64 #1 SMP Tue May 7 02:26:58 UTC 2019 x86_64 x86_64 x86_64 GNU/Linux