版本: 0.7

Dinky集成Flink on K8S

Dinky集成K8S Session模式

Session 模式是一种需要提前分配集群资源并通过共享的 Session 集群来运行 Flink 任务的部署模式
该模式部署方便，并且比较灵活在添加删除新的Flink任务时不用再启动或关闭Flink集群，此模式不适合生产环境使用

下面是两种Flink On K8S Session部署模式，两种模式任选一种

第一种是通过Flink官网文档部署
第二种是通过单个FlinkDeployment文件部署

【方式一】：Flink官网文档部署Session集成Dinky

部署Flink

需要几个配置文件，在flink官网 standalone session 文档处可以找到，注意这里的版本，切换至自己对于大版本号，如：1.16\1.17

Session模式需要几个配置文件，在官网文档可以找到，也可以点击下方超链接跳转，然后新建文件，把文件改成对应名称将官网复制的内容填入进来

通用集群资源定义：
- flink-configuration-configmap.yaml 【flink-conf.yml配置文件】，如需要更改分配资源需在此处配置
- jobmanager-service.yaml 【jobmanager通信服务配置文件】
- jobmanager-rest-service.yaml 【用于暴露rest端口以供外部访问的配置文件】
Session集群资源定义：
- jobmanager-session-deployment-non-ha.yaml 【jobmanager核心配置文件，non-ha是非高可用配置文件】，此处不能更改replicas副本数，否则会报错，如需高可用选带ha的配置文件，并自行配置高可用
- taskmanager-session-deployment.yaml 【taskmanager核心配置文件】此处可根据需求更改tm的副本数

将五个文件都在本地新建，并将官网内容复制到各个文件中

touch flink-configuration-configmap.yaml
touch jobmanager-service.yaml
touch jobmanager-rest-service.yaml
touch jobmanager-session-deployment-non-ha.yaml
touch taskmanager-session-deployment.yaml

这里注意，如果有端口指定需求或者已经有端口冲突，请更改jobmanager-rest-service.yaml文件中的nodePortk8s servcie端口号，本例采用默认的，如果没有需求跳过此步骤，直接下一步

按照顺序执行文件即可，若已经创建命名空间可忽略第一条命令

kubectl create ns flink
kubectl apply -f flink-configuration-configmap.yaml -n flink
kubectl apply -f jobmanager-rest-service.yaml -n flink
kubectl apply -f jobmanager-service.yaml -n flink
kubectl apply -f taskmanager-session-deployment.yaml -n flink
kubectl apply -f jobmanager-session-deployment-non-ha.yaml -n flink

等待镜像的拉取

kubectl  get pod,svc -n flink

在镜像拉取完成后在浏览器输入主机ip和rest的端口，主机ip:30081即可查看Flink web Dashboard ，可通过submit提交flink-jar的任务。

到这里【方式一】k8s session安装完毕，下面开始集成Dinky

集成dinky

由于本例测试是在虚拟机中测试，就只有一个主机ip，如果是在云服务器中部署，需要注意内外网的ip区分

记住这个jobmanager-rest服务对外暴露的端口，本例为30081

打开dinky - 进入注册中心 - 点击左侧集群管理 - 点击Flink 实例管理 - 点击新建 - 类型选择Kubernetes Session

如下图，填入任意名称与别名，填入主机ip:端口，并点击启用，点击完成即添加成功

如果是云服务器需要填内网的，填外网是不通的，本地主机可忽略

提交任务测试

-- 创建数据生成器源表
CREATE TABLE IF NOT EXISTS test1 (
  id INT,
  vc INT,
  pt AS PROCTIME(), --处理时间
  et AS cast(CURRENT_TIMESTAMP as timestamp(3)), --事件时间
  WATERMARK FOR et AS et - INTERVAL '5' SECOND   --watermark
) WITH (
  'connector' = 'datagen',
  'rows-per-second' = '10',
  'fields.id.min' = '1',
  'fields.id.max' = '3',
  'fields.vc.min' = '1',
  'fields.vc.max' = '100'
);

SELECT *
FROM test1;

进入数据开发，在执行模式中选择k8s session模式,，在Flink 集群选择刚配置好的集群，点击上方的执行任务即可提交任务到该集群运行

进入Flink web Dashboard即可查看到该任务

第一种方式部署集成完毕，这里提前说明，如果使用到了三方Jar包，集群中是一套单独的环境，其中是没有相关Jar依赖的，需要通过Dockerfile将jar依赖打入jobmanager-session-deployment-non-ha.yaml和`taskmanager-session-deployment.yaml 文件的镜像中的/opt/flink/lib下，并且日志会随着pod关闭而永久丢失，如果有日志持久化、便携式添加三方Jar包、启用S3插件等需求见下方的注意事项

【方式二】：FlinkDeployment部署Session集成Dinky

部署Flink

这个部署需要通过helm包安装工具来进行部署，必须使用helm3及其以上版本进行部署，这里不演示 helm的安装方式，自行helm官网下载并且给予相关权限，自行安装即可。

另外提前安装cert-manager，国内由于网络原因会下载不下来，这里做了一份阿里云镜像的，可以通过下方的链接任选一种进行下载保存，如果不部署这个，helm部署flink会报错，下载后进入到cert-manager.yaml文件的当前目录执行下面的命令即可。

百度网盘：https://pan.baidu.com/s/1tVt80DMtdoqfAL45AhXdTg?pwd=dink 提取码：dink
阿里网盘：https://www.aliyundrive.com/s/BwoGifQ478L 提取码：41vr
123网盘：https://www.123pan.com/s/PefzVv-q9pBd.html 提取码:dink

kubectl create ns cert-manager
kubectl apply -f cert-manager.yaml

截止目前，这种helm安装方式的最新版本是1.16.0，详情见官网：https://flink.apache.org/zh/downloads/#apache-flink-kubernetes-operator-2

请自行选择对应版本，【方式一】直接下载包并上传服务器指定位置，或者直接通过wget或curl -O的方式下载安装，【方式二】通过添加helm repo仓库的方式进行安装，本例使用【方式二】helm repo进行安装

#【方式一】保存helm charts包再使用helm进行安装
wget https://archive.apache.org/dist/flink/flink-kubernetes-operator-1.6.0//flink-kubernetes-operator-1.6.0-helm.tgz

#【方式二】添加helm仓库，更新，通过helm repo进行安装
helm repo add flink-operator https://downloads.apache.org/flink/flink-kubernetes-operator-1.6.0
helm repo update

导出保存一份values.yaml文件到本地，由于镜像访问比较慢，这里我上传了一份阿里云的镜像，如果镜像拉取不下来可以换下方的阿里云镜像

helm show values flink-operator/flink-kubernetes-operator > values.yaml

vim打开values.yaml文件在26行这将其替换为阿里云的地址

替换为以下镜像，并保存

registry.cn-beijing.aliyuncs.com/yilinwei/flink-kubernetes-operator

helm开始安装并指定values文件，指定命名空间

helm install flink-kubernetes-operator flink-operator/flink-kubernetes-operator --namespace flink --create-namespace -f ./values.yaml

等待镜像的拉取

在拉取完成后，新建一个 flink-session-operator.yaml文件,将文件内容填入其中

下方的【大版本号】及【小版本号】根据自己需求进行修改，默认也可

这里分配的资源是供整个集群中的任务分配调度的，后续自动创建是在这里已分配资源基础上再进行单个任务的分配的，适合测试环境使用

# Flink Session集群
apiVersion: flink.apache.org/v1beta1
kind: FlinkDeployment
metadata:
  namespace: flink
  name: session-operator
spec:
  image: flink:1.16.0 #【小版本号】  替换如: flink:1.16.1、flink:1.16.2、flink:1.16.3 ...
  flinkVersion: v1_16 #【大版本号】，替换如：V1_17、V1_16、V1_15 ...
  imagePullPolicy: IfNotPresent   # 镜像拉取策略，本地没有则从仓库拉取
  flinkConfiguration:
    taskmanager.numberOfTaskSlots: "2"   #可根据自己配置进行调整
  serviceAccount: flink #serviceaccount账号，需要确保该命名空间下的该账户有权限，会自动创建与删除taskmanager
  jobManager:
    replicas: 1  #非高可用不可更改此处
    resource:
      memory: "1024m"  #可根据自己配置进行调整
      cpu: 1    #可根据自己配置进行调整
  taskManager:
    replicas: 2    #可根据自己配置进行调整
    resource:
      memory: "1024m"    #可根据自己配置进行调整
      cpu: 1      #可根据自己配置进行调整

--- 

apiVersion: v1
kind: Service
metadata:
  namespace: flink
  name: session-jobmanager-rest-web
spec:
  selector:
    app: session-operator
    component: jobmanager
    type: flink-native-kubernetes
  ports:
    - name: session-rest-port
      port: 8081
      targetPort: 8081
      nodePort: 30082  #【对外暴露端口号】有需要可更改
  type: NodePort

执行该文件，等待创建完成

查看端口，上方设置的NodePort暴露端口为30082

进入web端，输入ip:30082查看Flink Web Dashboardm，这里没有显示资源，并且Pod只有一个，是因为该模式会在提交任务后根据提前设置好的资源进行创建，任务结束后会关闭对应的资源。

集成dinky

添加Dinky步骤同方式一，这里就不重复演示添加步骤了

提交任务测试

选中对应的模式和集群，提交【方式一】中的测试任务，并进入web端查看

web端查看任务提交成功

这里有个特别的点，通过此种方式部署web端没有Cancel Job按钮，需要在Dinky种点击结束任务，然后稍等片刻，Taskmanager会自动退出，只留下一个Jobmanager

查看Pod也被自动创建了

如果需要关闭任务点击Dinky处的停止

web端也会被停止，并且Pod过一会也会自动退出

pod查看taskmanager过一会会自动退出

此种方式任务运行结束后日志也会丢失，如果想日志持久化以及便携式添加依赖见下方的注意事项

注意事项

在K8S集群中，会随机在各个节点创建Jobmanager和Taskmanager，所以需要节点共享所有的依赖、日志、插件、jar作业等，通过指定一个路径为nfs共享路径，其余从节点并挂载此路径，即可实现整个k8s集群共享此nfs文件夹，再创建对应路径下的PVC映射，从而把容器中的日志、lib依赖挂载外部，实现不用重复打镜像即可动态添加依赖包，以及日志持久化

挂载nfs共享文件夹

所有节点安装

yum install -y nfs-utils

主节点上执行这个，本例选/data/nfs为共享文件夹

#自己选nfs共享文件夹
mkdir -p /data/nfs

#nfs主节点
echo "/data/nfs/ *(insecure,rw,sync,no_root_squash)" > /etc/exports

systemctl enable rpcbind --now
systemctl enable nfs-server --now
#配置生效
exportfs -r

每个从节点都执行，挂载主节点共享的路径，不要在主节点执行这里的命令

#查看主节点共享的
showmount -e 主节点ip

#在每个从节点上创建和主节点相同的文件夹
mkdir -p /data/nfs

mount -t nfs 主节点ip:/data/nfs /data/nfs

注意，如果集群重启需要重新在主节点执行，并在从节点执行挂载nfs的命令，可以自行将其注册为一个服务，开机自启

nfs持久存储类

必须修改下方【修改1】、【修改2】处，配置为上方nfs共享文件夹的路径，和主节点的ip
【可选】处自己判断是是否设置为默认存储类
创建一个nfs-storage.yaml的文件，kubectl apply -f nfs-storage.yaml

apiVersion: storage.k8s.io/v1
kind: StorageClass
metadata:
  name: nfs-storage
  annotations:
    storageclass.kubernetes.io/is-default-class: "true"  #【可选】是否设置为默认存储类，这里设置为true，有需求可更改
provisioner: k8s-sigs.io/nfs-subdir-external-provisioner
parameters:
  archiveOnDelete: "true"  ## 删除pv的时候，pv的内容是否要备份

---

apiVersion: apps/v1
kind: Deployment
metadata:
  name: nfs-client-provisioner
  labels:
    app: nfs-client-provisioner
  namespace: default
spec:
  replicas: 1
  strategy:
    type: Recreate
  selector:
    matchLabels:
      app: nfs-client-provisioner
  template:
    metadata:
      labels:
        app: nfs-client-provisioner
    spec:
      serviceAccountName: nfs-client-provisioner
      containers:
        - name: nfs-client-provisioner
          image: registry.cn-beijing.aliyuncs.com/yilinwei/nfs-subdir-external-provisioner:v4.0.2
          volumeMounts:
            - name: nfs-client-root
              mountPath: /persistentvolumes
          env:
            - name: PROVISIONER_NAME
              value: k8s-sigs.io/nfs-subdir-external-provisioner
            - name: NFS_SERVER
              value: 主节点ip # 【修改1】 指定自己nfs主服务器地址
            - name: NFS_PATH  
              value: /data/nfs  # 【修改2】 nfs服务器共享的目录
      volumes:
        - name: nfs-client-root
          nfs:
            server: 主节点ip # 【修改1】 指定自己nfs主服务器地址
            path: /data/nfs  # 【修改2】 nfs服务器共享的目录
---
apiVersion: v1
kind: ServiceAccount
metadata:
  name: nfs-client-provisioner
  namespace: default
---
kind: ClusterRole
apiVersion: rbac.authorization.k8s.io/v1
metadata:
  name: nfs-client-provisioner-runner
rules:
  - apiGroups: [""]
    resources: ["nodes"]
    verbs: ["get", "list", "watch"]
  - apiGroups: [""]
    resources: ["persistentvolumes"]
    verbs: ["get", "list", "watch", "create", "delete"]
  - apiGroups: [""]
    resources: ["persistentvolumeclaims"]
    verbs: ["get", "list", "watch", "update"]
  - apiGroups: ["storage.k8s.io"]
    resources: ["storageclasses"]
    verbs: ["get", "list", "watch"]
  - apiGroups: [""]
    resources: ["events"]
    verbs: ["create", "update", "patch"]
---
kind: ClusterRoleBinding
apiVersion: rbac.authorization.k8s.io/v1
metadata:
  name: run-nfs-client-provisioner
subjects:
  - kind: ServiceAccount
    name: nfs-client-provisioner
    namespace: default
roleRef:
  kind: ClusterRole
  name: nfs-client-provisioner-runner
  apiGroup: rbac.authorization.k8s.io
---
kind: Role
apiVersion: rbac.authorization.k8s.io/v1
metadata:
  name: leader-locking-nfs-client-provisioner
  namespace: default
rules:
  - apiGroups: [""]
    resources: ["endpoints"]
    verbs: ["get", "list", "watch", "create", "update", "patch"]
---
kind: RoleBinding
apiVersion: rbac.authorization.k8s.io/v1
metadata:
  name: leader-locking-nfs-client-provisioner
  namespace: default
subjects:
  - kind: ServiceAccount
    name: nfs-client-provisioner
    namespace: default
roleRef:
  kind: Role
  name: leader-locking-nfs-client-provisioner
  apiGroup: rbac.authorization.k8s.io

日志持久化

将容器内的文件路径通过pvc映射挂载到外部

创建pvc，日志的容量可以不用给很大，如果一个 pvc满了会保存，自动创建一个新的

#Flink 日志 持久化存储pvc
apiVersion: v1
kind: PersistentVolumeClaim
metadata:
  name: session-log  # 日志 pvc名称
  namespace: flink
spec:
  storageClassName: nfs-storage   #sc名称，更改为实际的sc名称
  accessModes:
    - ReadWriteMany   #采用ReadWriteMany的访问模式
  resources:
    requests:
      storage: 5Gi    #存储容量，根据实际需要更改

然后可以在先前设置的/data/nfs路径下找到pvc映射到本地的路径，可以ln -s做个软连接也可以直接在此目录下查看日志

在nfs共享文件夹中找到pvc

【方式一】日志持久化更改配置文件后重新部署即可

映射容器内路径
指定pvc，日志的为session-log，重新部署后，再运行，即可将日志持久化到外部来

PVC外部挂载lib

思路同上方的日志持久化，自行更改下配置文件，以及pvc名称，以及调整pvc的大小，lib这种放依赖的可以将其调大些给50Gi或者更高，防止pvc满了新建一个，容器内路径为/opt/flink/lib，需要注意的是，lib不会从容器内映射出来，所以首次需要复制指定版本的lib文件夹到pvc下

PVC外部挂载Plugins

步骤思路同上，首次需要自己把依赖复制进pvc路径中，在路径映射中指定好pvc即可

Dinky集成K8S Native模式

此模式需要下载Flink官方的二进制包，可在flink官网下载地址下载或者阿里云镜像站下载，本例使用flink1.16.2进行测试
Flink官网：https://flink.apache.org/downloads/
阿里云镜像站：https://mirrors.aliyun.com/apache/flink/

Native模式Flink官网参考文档：https://nightlies.apache.org/flink/flink-docs-release-1.16/zh/docs/deployment/resource-providers/native_kubernetes/

前置条件（必要）

授予对应安装命名空间下default具备创建、删除Pod的RBAC权限，如本例是在flink这个namaspace下，所以授予flink:default具备RBAC权限

kubectl create rolebinding default-flink-rule --clusterrole=edit --serviceaccount=flink:default --namespace=flink

Native Session模式集成Dinky

部署Flink

查看当前flink命名空间，是没有native的，这些是上方案例安装的，端口不冲突是可以共存的

进入flink解压后的根目录，执行下方命令创建native session集群

需要注意kubernetes.cluster-id这个要求是唯一的，即如果创建新的集群则不能与之前创建并在运行的集群id名称相同

./bin/kubernetes-session.sh \
    -Dkubernetes.namespace=flink \
    -Dkubernetes.cluster-id=my-first-flink-cluster

可以看到native session已经创建完成，并且和【方式二】一样，taskmanager是自动创建的

不过该方式的资源配置需要在命令中配置，这里举个例子，下方的classpaths是将本地的jar依赖添加进集群容器中，更多请在Flink官网了解

#例子，可跳过
./bin/kubernetes-session.sh \
    -Dkubernetes.namespace=flink \
    -Dkubernetes.cluster-id=my-first-flink-cluster \
    -Dtaskmanager.memory.process.size=1g \
    -Dtaskmanager.cpu.cores=2 \
    -Djobmanager.memory.process.size=2g \
    -Djobmanager.cpu.cores=1 \
    -Dpipeline.classpaths=/path/to/dependency.jar,/path/to/myjob.jar

通过命令创建的session集群svc服务端口没有对外暴露，可通过下方将其修改为NodePort将其暴露

kubectl edit service/my-first-flink-cluster-rest -n flink

移动到文件底部，将ClusterIP修改为NodePort，然后wq保存退出

再查看svc，端口暴露为：31057，这里是随机的，如果需要指定可自行写个svc转发也可用再次edit修改svc中的nodePort

进入web端查看

如果不用了可通过下方命令删除session集群，这里还需要集成dinky，可跳过此步骤

kubectl delete deployment/my-first-flink-cluster -n flink

集成Dinky

步骤同上方的Session模式，选择模式，添加ip:31057

提交任务测试

测试命令在上方的k8s session 【方式一】的测试案例中复制，选择模式，选择对应的集群，保存，提交任务测试

web端

手动在dinky结束任务或者web端cancel job

Native Application模式集成Dinky

编译镜像

此模式需要打镜像，而且只能异步提交集群运行，所以需要一个私有仓库，如果自己有搭建harbor等私有仓库可用自建的，若没有可使用阿里云免费的镜像仓库，自行注册并创建命名空间，然后在本地通过dockerfile打镜像并将其上传至阿里云镜像仓库中，便于dinky中添加与拉取

阿里云容器仓库地址如下：https://cr.console.aliyun.com/cn-beijing/instance/repositories

在Dinky_HOME/config/DinkyFlinkDockerfile提供了以下文件，在测试的时候发现豆瓣源可能会卡住，所以pip镜像源替换为了阿里云源，并且在17行的flink-python_*会报错不存在，所以将下划线删除，直接复制下方配置即可

dlink-app-1.16-0.7.3-jar-with-dependencies.jar文件下载dinky二进制包并解压在 dlink-release-版本号/jar/下方即可找到对应版本，复制到dockerfile同级目录，以及把dinky-release-版本号/plugins也复制到dockerfile统计目录，进行编译打包
【可选】如果有额外需求可把相关依赖也放于dinky的plugins中，一同把依赖放入打包到lib下

dockerfile文件

# 用来构建dinky环境
ARG FLINK_VERSION=1.16.2 #flink docker镜像版本，可按照官方镜像进行定制
FROM flink:${FLINK_VERSION}

ARG FLINK_VERSION
ENV PYTHON_HOME /opt/miniconda3

USER root
RUN wget "https://s3.jcloud.sjtu.edu.cn/899a892efef34b1b944a19981040f55b-oss01/anaconda/miniconda/Miniconda3-py38_4.9.2-Linux-x86_64.sh" -O "miniconda.sh" && chmod +x miniconda.sh
RUN ./miniconda.sh -b -p $PYTHON_HOME && chown -R flink $PYTHON_HOME && ls $PYTHON_HOME

USER flink

ENV PATH $PYTHON_HOME/bin:$PATH

#替换了阿里云pip镜像源
RUN pip install "apache-flink==${FLINK_VERSION}" -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com

RUN cp /opt/flink/opt/flink-python* /opt/flink/lib/
# dinky依赖，1.16 为 flink对应的大版本号，请自行对应更改，并将其复制到此文件同级目录，以及dinky的plugins文件夹复制到此文件同级
COPY ./dlink-app-1.16-0.7.3-jar-with-dependencies.jar plugins/* $FLINK_HOME/lib/

开始进行build，本例以阿里云镜像为演示，提前在阿里云仓库中创建好仓库文件夹

选择本地仓库

进入仓库即可看到相关的登录信息以及拉取和打标签的描述，在本机通过docker登录至阿里云镜像仓库

开始build，更换自己的镜像地址，别用本例的

docker build -t registry.cn-beijing.aliyuncs.com/yilinwei/dinky-native-application:flink1.16.2 .

等待build完成

然后将其push到阿里云仓库中,更换自己的镜像地址，别用本例的，镜像比较大，得等待一定的时间

docker push registry.cn-beijing.aliyuncs.com/yilinwei/dinky-native-application:flink1.16.2

在push完成后可在阿里云镜像仓库中查看到当前镜像

到目前位置镜像配置完成，下面开始与dinky集成

集成dinky

进入此处选择Flink Kubernates Native类型

docker设置如下，配置项填写自己的镜像地址、登录账户与密码，命名空间可自行更改，dinky地址填自己配置的

image-namespace：是阿里云命名空间

其余配置如下

kubernetes配置项如下，配置项填写自己的镜像地址，资源自定义，下方添加自定义项，kubernetes.cluster-id自行任意配置一个

Flink配置，必填项只需要一个flink/conf下的配置文件，这里需要注意dinky部署的方式

如果dinky部署在容器内，那么需要通过kubectl cp 的方式或者pvc外部挂载的方式将conf/flink-conf.yaml移动到dinky容器的某个位置
如果dinky部署在裸机内，那么直接配置flink-conf.yaml的文件路径即可

基本配置配置完集群名称，点击测试链接，再启用完成即可

提交任务测试

选中k8s application模式，并提交集群运行

自行找案例测试，这里我简单创个paimon表落盘alluxio上演示下

参考资料：

如果使用的版本非此版本，自行替换url中的版本号即可，如1.16/zh/docs/替换为1.17/zh/docs/

Flink官网-K8S Application模式&Session模式：https://nightlies.apache.org/flink/flink-docs-release-1.16/zh/docs/deployment/resource-providers/standalone/kubernetes/

Flink官网-K8S Native模式：https://nightlies.apache.org/flink/flink-docs-release-1.16/zh/docs/deployment/resource-providers/native_kubernetes/

Flink官网-Docker镜像：https://nightlies.apache.org/flink/flink-docs-release-1.16/zh/docs/deployment/resource-providers/standalone/docker/#advanced-customization

Flink官网-HA高可用配置：https://nightlies.apache.org/flink/flink-docs-release-1.16/zh/docs/deployment/ha/overview/

Flink官网-配置参数：https://nightlies.apache.org/flink/flink-docs-release-1.16/zh/docs/deployment/config/

Dinky官网-Dinky快速集成K8S：http://www.dinky.org.cn/docs/0.7/k8s_guide/dinky_k8s_quick_start

Dinky集成Flink on K8S

Dinky集成K8S Session模式​

【方式一】：Flink官网文档部署Session集成Dinky​

部署Flink​

集成dinky​

提交任务测试​

【方式二】：FlinkDeployment部署Session集成Dinky​

部署Flink​

集成dinky​

提交任务测试​

注意事项​

挂载nfs共享文件夹​

nfs持久存储类​

日志持久化​

PVC外部挂载lib​

PVC外部挂载Plugins​

Dinky集成K8S Native模式​

前置条件（必要）​

Native Session模式集成Dinky​

部署Flink​

集成Dinky​

提交任务测试​

Native Application模式集成Dinky​

编译镜像​

集成dinky​

提交任务测试​

参考资料：​

Dinky集成K8S Session模式

【方式一】：Flink官网文档部署Session集成Dinky

部署Flink

集成dinky

提交任务测试

【方式二】：FlinkDeployment部署Session集成Dinky

部署Flink

集成dinky

提交任务测试

注意事项

挂载nfs共享文件夹

nfs持久存储类

日志持久化

PVC外部挂载lib

PVC外部挂载Plugins

Dinky集成K8S Native模式

前置条件（必要）

Native Session模式集成Dinky

部署Flink

集成Dinky

提交任务测试

Native Application模式集成Dinky

编译镜像

集成dinky

提交任务测试

参考资料：