修改为
jobmanager.rpc.address: node10 2）修改 /conf/slaves文件： [root@node09 conf]# vim slaves修改为
node06 node07 node08 3）分发给另外机子： [root@node09 conf]# xsync /opt/module/flink/分发脚本可以参考前面的文章1.Centos7.6 环境准备
4）启动： [root@node10 flink]# bin/start-cluster.sh访问http://localhost:8081 可以对flink集群和任务进行监控管理。
以Yarn模式部署Flink任务时，要求Flink是有Hadoop支持的版本，Hadoop环境需要保证版本在2.2以上，并且集群中安装有HDFS服务。
解脱了JobManager的压力 RM做资源管理 JobManager只负责任务管理
运行流程
每当创建一个新flink的yarn session的时候，客户端会首先检查要请求的资源(containers和 memory)是否可用。然后，将包含flink相关的jar包盒配置上传到HDFS客户端会向ResourceManager申请一个yarn container 用以启动ApplicationMaster。由于客户端 已经将配置和jar文件上传到HDFS，ApplicationMaster将会下载这些jar和配置，然后启动成功JobManager和AM运行于同一个containerAM开始申请启动Flink TaskManager的containers，这些container会从HDFS上下载jar文件和已 修改的配置文件。一旦这些步骤完成，flink就可以接受任务了Flink提供了两种在yarn上运行的模式，分别为Session-Cluster和Per-Job-Cluster模式。
Session-Cluster模式需要先启动集群，然后再提交作业，接着会向yarn申请一块空间后，资源永远保持不变。如果资源满了，下一个作业就无法提交，只能等到yarn中的其中一个作业执行完成后，释放了资源，下个作业才会正常提交。所有作业共享Dispatcher和ResourceManager；共享资源；适合规模小执行时间短的作业。 在yarn中初始化一个flink集群，开辟指定的资源，以后提交任务都向这里提交。这个flink集群会常驻在yarn集群中，除非手工停止。
Session-cluster 模式配置 启动hadoop集群在yarn中启动Flink集群 （如果没有配置好相关Hadoop配置，直接启动会遇到一些报错，可以参考后面遇到的问题） [root@node09 flink]# bin/yarn-session.sh -n 3 -s 3 -nm flink-session -d -q参数说明：
其中： -n(--container)：TaskManager的数量。 -s(--slots)： 每个TaskManager的slot数量，默认一个slot一个core，默认每个taskmanager的slot的个数为1，有时可以多一些taskmanager，做冗余。 -jm：JobManager的内存（单位MB)。 -tm：每个taskmanager的内存（单位MB)。 -nm：yarn 的appName(现在yarn的ui上的名字)。 -d：后台执行。 -q,--query：显示yarn集群可用资源（内存、core） 执行任务 [root@node09 flink]# bin/flink run -c com.rex.stream.WordCount -yid application_1597852897840_0289 ~/StudyFlink-1.0-SNAPSHOT.jar去yarn控制台查看任务状态
取消yarn-session yarn application --kill application_1597852897840_0289
一个Job会对应一个集群，每提交一个作业会根据自身的情况，都会单独向yarn申请资源，直到作业执行完成，一个作业的失败与否并不会影响下一个作业的正常提交和运行。独享Dispatcher和ResourceManager，按需接受资源申请；适合规模大长时间运行的作业。 每次提交都会创建一个新的flink集群，任务之间互相独立，互不影响，方便管理。任务执行完成之后创建的集群也会消失。
Per Job Cluster 模式配置 启动hadoop集群（略）不启动yarn-session，直接执行job [root@node09 flink]# bin/flink run -m yarn-cluster -yn 3 -ys 3 -ynm flink-job -c com.rex.stream.WordCount ~/StudyFlink-1.0-SNAPSHOT.jar参数说明：
-yn,--container <arg> 表示分配容器的数量，也就是TaskManager的数量。 -d,--detached：设置在后台运行。 -yjm,--jobManagerMemory<arg>:设置JobManager的内存，单位是MB。 -ytm，--taskManagerMemory<arg>:设置每个TaskManager的内存，单位是MB。 -ynm,--name:给当前Flink application在Yarn上指定名称。 -yq,--query：显示yarn中可用的资源（内存、cpu核数） -yqu,--queue<arg> :指定yarn资源队列 -ys,--slots<arg> :每个TaskManager使用的Slot数量。问题分析：为了使用Hadoop功能（例如YARN，HDFS），必须为Flink提供所需的Hadoop类，因为默认情况下未捆绑这些类。
问题解决 ：通过HADOOP_CLASSPATH环境变量将Hadoop类路径添加到Flink 。
#flink on yarn HADOOP_CONF_DIR=$HADOOP_HOME export HADOOP_CLASSPATH=`hadoop classpath`参考官网：Hadoop Integration
