Flink 安裝（叢集模式）：

   1：下載安裝flink的安裝包，注意hadoop的版本相容問題

 2：解壓安裝包，進入conf配置檔案目錄下，主要配置檔案為flink-conf.yaml和slaves,配置flink-conf.yaml解析如下：

  2.1 基本配置

      jobmanager.rpc.address: localhost1   --jobManager 的IP地址

      jobmanager.rpc.port: 6123   --jobManager 的埠，預設為6123

      jobmanager.heap.mb --jobManager 的JVM heap大小  

  taskmanager.heap.mb  --taskManager的jvm heap大小設定

  taskmanager.numberOfTaskSlots  --taskManager中taskSlots個數，最好設定成work節點的CPU個數相等

  parallelism.default  --平行計算數

  fs.default-scheme --檔案系統來源

  fs.hdfs.hadoopconf:  --hdfs置檔案路徑

     jobmanager.web.port    -- jobmanager的頁面監控埠

  2.2 記憶體管理配置

       Flink預設上分配taskmanager.heap.mb配置值得70%留它管理，記憶體的管理讓flinK批量處理效果很高；並且flink不會出現OutMemoryException的問題，因為flink知道預留多少記憶體來執行程式；如果flink執行的程式所需要的記憶體超過了它所管理的記憶體，Flink就可以利用磁碟；總而言之，flink的記憶體管理提高了魯棒性和系統的速度；下面就介紹管理記憶體的配置檔案：

      taskmanager.memory.fraction  --管理記憶體的百分比，預設0.7

      taskmanager.memory.size    --taskManager 具體管理記憶體的大小；此配置重寫taskmanager.memory.fraction的配置

     taskmanager.memory.segment-size --記憶體管理器所使用的記憶體緩衝區的大小和網路堆疊位元組

     taskmanager.memory.preallocate  --taskmanager是否啟動時管理所有的記憶體

  2.3 slaves 中配置節點機器的ip或主機名

3：啟動flink

4：進入web監控頁面

若見到上圖頁面，就說明flink配置成功了，下面就以wordcount為案例執行，案例程式碼如下：

public class FlinkWordCount {
    public static void main(String[] args) throws Exception {
        final ExecutionEnvironment env = ExecutionEnvironment.getExecutionEnvironment();
 
        DataSet<String> text = env.fromElements(
            "hadoop hive?",
            "think hadoop hive sqoop hbase spark flink?");
 
        DataSet<Tuple2<String, Integer>> wordCounts = text
            .flatMap(new LineSplitter())
            .groupBy(0)
            .sum(1);
 
        wordCounts.print();
    }
 
    public static class LineSplitter implements FlatMapFunction<String, Tuple2<String, Integer>> {
        @Override
        public void flatMap(String line, Collector<Tuple2<String, Integer>> out) {
            for (String word : line.split("\\W+")) {
                out.collect(new Tuple2<String, Integer>(word, 1));
            }
        }
    }
}
以上程式碼進行打包上傳；上傳後執行提交命令：

列印結果如下：

web頁面監控