Realtime Compute for Apache Flink:Desplegar un trabajo

1. Vaya a Data Development > ETL y abra su trabajo SQL. Para obtener más información, consulte Job development map.

2. Haga clic en Deploy.

3. Configure los parámetros de despliegue.

   Los session clusters no admiten monitoreo ni alertas, tampoco el ajuste automático. Utilícelos únicamente como entorno de pruebas, no en producción. Para más detalles, consulte Debug a job .

   Parámetro	Descripción
   Note	(Opcional) Introduzca una descripción.
   Job Tags	Etiquete el trabajo para poder filtrarlo por Tag Key y Tag Value en Operation Center > Job O&M. Máximo 3 etiquetas por trabajo.
   Deployment Target	Seleccione una resource queue o un session cluster. Para más detalles, consulte Manage resource queues y Step 1: Create a session cluster.
   Skip deep check before deployment	Seleccione esta opción para omitir la verificación profunda previa al despliegue.

4. Haga clic en OK.

En la página Operation Center > Job O&M, puede consultar el trabajo SQL desplegado e iniciarlo según sea necesario.

El despliegue de trabajos YAML requiere Ververica Runtime (VVR) 8.0.9 o posterior.

1. Vaya a Data Development > Data Ingestion y abra su trabajo YAML. Para obtener más información, consulte Develop a Flink CDC data ingestion job (public preview).

2. Haga clic en Deploy.

3. Configure los parámetros de despliegue.

   Parámetro	Descripción
   Description	(Opcional) Introduzca una descripción.
   Job Tags	Etiquete el trabajo para poder filtrarlo por Tag Key y Tag Value en Operation Center > Job O&M. Máximo 3 etiquetas por trabajo.
   Deployment Target	Seleccione una resource queue. Para más detalles, consulte Manage resource queues.
   Skip deep check before deployment	Seleccione esta opción para omitir la verificación profunda previa al despliegue.

4. Haga clic en OK.

En la página Operation Center > Job O&M, puede consultar el trabajo YAML desplegado e iniciarlo según sea necesario.

1. Vaya a Operation Center > Job O&M y luego elija Deploy Job > JAR Job.

2. Configure la sección Basic settings.

   Los session clusters no admiten monitoreo ni alertas, tampoco el ajuste automático. Utilícelos únicamente como entorno de pruebas, no en producción. Para más detalles, consulte Debug a job .

   Parámetro	Descripción
   Deployment Mode	Seleccione Stream o Batch.
   Deployment Name	Introduzca un nombre para el trabajo.
   Engine Version	Seleccione una versión de VVR. Use una versión Recommended o Stable para producción. Etiquetas de versión: Recommended (última versión menor de la versión mayor más reciente), Stable (última versión menor de una versión mayor aún en servicio; incluye correcciones de bugs de versiones anteriores), Normal (otras versiones menores aún en servicio), EOS (fin de servicio). Para más detalles, consulte Engine versions y Lifecycle policy.
   JAR URI	Seleccione un archivo cargado previamente o cargue uno nuevo. VVR 8.0.6 y posteriores solo pueden acceder al bucket de OSS vinculado a su espacio de trabajo de Flink. Para trabajos con API de Python, especifique el paquete JAR oficial de PyFlink. URL de descarga: PyFlink V1.11 y PyFlink V1.12.
   Entry Point Class	La clase principal de su programa JAR. Es obligatoria si su paquete JAR no especifica una clase principal. Para trabajos con API de Python, establézcala en org.apache.flink.client.python.PythonDriver.
   Entry Point Main Arguments	Parámetros que se pasan al método principal. Máximo 1,024 caracteres. Evite valores complejos con saltos de línea, espacios o caracteres especiales; utilice archivos de dependencia adicionales para esos casos. Para trabajos con API de Python, establézcalo en -py /flink/usrlib/<your-python-file>.py. El prefijo /flink/usrlib/ es obligatorio. Por ejemplo, si su archivo de trabajo Python es word_count.py, introduzca -py /flink/usrlib/word_count.py.
   Additional Dependency Files	Archivos adicionales que se cargan en el directorio /flink/usrlib/ de los pods de JobManager (JM) y TaskManager (TM) durante la ejecución. No se pueden configurar cuando el Deployment Target es un session cluster. Especifique los archivos mediante cualquiera de estos métodos: (1) Seleccionar entre archivos cargados previamente (recomendado): cárguelos a través de Resource Management en el panel de navegación izquierdo; los archivos se almacenan en oss://<bucket-name>/artifacts/namespaces/<namespace-name>. (2) Introducir la ruta de OSS del archivo: debe apuntar al bucket de OSS asociado a su espacio de trabajo de Flink. (3) Introducir una URL hacia un archivo en un sistema de almacenamiento externo accesible para Realtime Compute for Apache Flink (lectura pública o sin autenticación requerida): solo se admiten URL que terminan con un nombre de archivo, por ejemplo, http://xxxxxx/<file>.
   Deployment Target	Seleccione una resource queue o un session cluster. Para más detalles, consulte Manage resource queues y Step 1: Create a session cluster.
   Description	(Opcional) Introduzca una descripción.
   Job Tags	Etiquete el trabajo para filtrarlo en Job O&M. Máximo 3 etiquetas por trabajo.

3. (Opcional) Active More Settings para configurar la autenticación Kerberos.

   Parámetro	Descripción
   Kerberos Cluster	Seleccione un clúster Kerberos. Para obtener detalles sobre cómo crear uno, consulte Create a Kerberos cluster.
   principal	El principal de Kerberos (usuario o servicio) que identifica de forma única una identidad dentro del sistema de cifrado Kerberos.

4. Haga clic en Deploy.

En la página Operation Center > Job O&M, puede consultar el trabajo JAR desplegado e iniciarlo según sea necesario.

1. Vaya a Operation Center > Job O&M y luego elija Deploy Job > Python Job.

2. Configure la sección Basic settings.

   Los session clusters no admiten monitoreo ni alertas, tampoco el ajuste automático. Utilícelos únicamente como entorno de pruebas, no en producción. Para más detalles, consulte Debug a job .

   Importante

   Si su trabajo utiliza dependencias de paquetes JAR, configure el parámetro pipeline.classpaths después del despliegue para hacer referencia a ellas. Para más detalles, consulte Use JAR package dependencies.

   Parámetro	Descripción
   Deployment Mode	Seleccione modo stream o modo batch.
   Deployment Name	Introduzca un nombre para el trabajo.
   Engine Version	Seleccione una versión de VVR. Use una versión Recommended o Stable para producción. Etiquetas de versión: Recommended (última versión menor de la versión mayor más reciente), Stable (última versión menor de una versión mayor aún en servicio), Normal (otras versiones menores aún en servicio), EOS (fin de servicio). Para más detalles, consulte Engine versions y Lifecycle policy.
   Python File Path	Seleccione el archivo de trabajo Python. Acepta archivos .py o .zip. Si el campo Entry Module está vacío, este debe ser un archivo .py.
   Entry Module	La clase de entrada del programa, por ejemplo, example.word_count. Es obligatorio cuando Python File Path es un archivo .zip.
   Entry Point Main Arguments	Parámetros del trabajo.
   Python Libraries	Paquetes Python de terceros que se agregan a PYTHONPATH del proceso worker de Python, accesibles directamente en funciones definidas por el usuario (UDF) de Python. Para más detalles, consulte Use third-party Python packages.
   Python Archives	Archivos comprimidos en formato ZIP (.zip, .jar, .whl, .egg). Los archivos se descomprimen en el directorio de trabajo del proceso worker de Python. Para más detalles, consulte Use a custom Python virtual environment y Use data files. Si su archivo comprimido es mydata.zip, acceda a su contenido en una UDF de Python de la siguiente manera: open("mydata.zip/mydata/data.txt").
   Additional Dependency Files	Archivos de trabajo Python y archivos de datos dependientes que se cargan en /flink/usrlib/ durante la ejecución. No se pueden configurar cuando el Deployment Target es un session cluster. Especifique los archivos mediante cualquiera de estos métodos: (1) Seleccionar entre archivos cargados previamente (recomendado): cárguelos a través de Resource Management en el panel de navegación izquierdo; los archivos se almacenan en oss://<bucket-name>/artifacts/namespaces/<namespace-name>. (2) Introducir la ruta de OSS del archivo: debe apuntar al bucket de OSS asociado a su espacio de trabajo de Flink. (3) Introducir una URL hacia un archivo en un sistema de almacenamiento externo accesible para Realtime Compute for Apache Flink (lectura pública o sin autenticación requerida): solo se admiten URL que terminan con un nombre de archivo, por ejemplo, http://xxxxxx/<file>.
   Deployment Target	Seleccione una resource queue o un session cluster. Para más detalles, consulte Manage resource queues y Step 1: Create a session cluster.
   Note	(Opcional) Introduzca una descripción.
   Job Tags	Etiquete el trabajo para filtrarlo en Job O&M. Máximo 3 etiquetas por trabajo.

3. (Opcional) Active More Settings para configurar la autenticación Kerberos.

   Parámetro	Descripción
   Kerberos Cluster	Seleccione un clúster Kerberos. Para obtener detalles sobre cómo crear uno, consulte Create a Kerberos cluster.
   principal	El principal de Kerberos (usuario o servicio) que identifica de forma única una identidad dentro del sistema de cifrado Kerberos.

4. Haga clic en Deploy.

En la página Operation Center > Job O&M, puede consultar el trabajo Python desplegado e iniciarlo según sea necesario.