Setelah mengembangkan draf, Anda harus mempublikasikannya sebagai deployment untuk mengisolasi pengembangan dari produksi. Deployment yang sedang berjalan tidak akan terpengaruh. Draf secara resmi dipublikasikan setelah deployment dimulai atau dimulai ulang. Topik ini menjelaskan cara membuat deployment SQL, JAR, YAML, dan Python.
Prasyarat
Draf telah dikembangkan.
Draf SQL telah dikembangkan sebelum membuat deployment SQL. Untuk informasi lebih lanjut, lihat Kembangkan Draf SQL.
Draf YAML telah dikembangkan sebelum membuat deployment YAML. Untuk informasi lebih lanjut, lihat Kembangkan Draf YAML untuk Ingest Data (Pratinjau Publik).
Paket Python telah dikembangkan sebelum membuat deployment Python. Untuk informasi lebih lanjut, lihat Kembangkan Draf API Python.
Paket JAR telah dikembangkan sebelum membuat deployment JAR. Untuk informasi lebih lanjut, lihat Kembangkan Draf JAR.
Unggah sumber daya
Sebelum membuat deployment, unggah paket JAR, file deployment Python, atau file dependensi Python ke konsol pengembangan Realtime Compute for Apache Flink sesuai dengan kebutuhan bisnis Anda.
Masuk ke Konsol Realtime Compute for Apache Flink.
Temukan ruang kerja yang ingin Anda kelola dan klik Console di kolom Actions.
Di panel navigasi sebelah kiri, klik Artifacts.
Di halaman Artifacts, klik Upload Artifact untuk memilih file JAR, file deployment Python, atau file dependensi Python yang ingin diunggah.
Jika deployment Anda adalah deployment API Python, unggah file JAR resmi PyFlink. Untuk mengunduh versi yang diperlukan, klik PyFlink V1.11 atau PyFlink V1.12.
Prosedur
Masuk ke Konsol Realtime Compute for Apache Flink.
Temukan ruang kerja yang ingin Anda kelola dan klik Console di kolom Actions. Langkah-langkah berikut dapat dilakukan berdasarkan jenis deployment yang ingin dibuat.
Buat deployment JAR
Di panel navigasi sebelah kiri, pilih . Di halaman Deployments, pilih di pojok kiri atas.
Di kotak dialog Create Jar Deployment, konfigurasikan parameter. Tabel berikut menjelaskan parameter.
Parameter
Deskripsi
Deployment Mode
Pilih Stream Mode atau Batch Mode.
Deployment Name
Masukkan nama deployment JAR yang ingin Anda buat.
Engine Version
Untuk informasi lebih lanjut tentang versi engine, lihat Versi engine dan Kebijakan siklus hidup. Kami merekomendasikan agar Anda menggunakan versi yang direkomendasikan atau versi stabil.
Versi yang direkomendasikan: versi minor terbaru dari versi utama terbaru.
Versi stabil: versi minor terbaru dari versi utama yang masih dalam periode layanan produk. Cacat di versi sebelumnya diperbaiki di versi ini.
Versi normal: versi minor lainnya yang masih dalam periode layanan produk.
Versi yang sudah tidak digunakan: versi yang melebihi periode layanan produk.
CatatanDi VVR 3.0.3 dan lebih baru, Ververica Platform (VVP) memungkinkan Anda menjalankan deployment JAR yang menggunakan versi engine berbeda pada saat yang sama. Versi engine Flink yang menggunakan VVR 3.0.3 adalah Flink 1.12. Jika versi engine deployment Anda adalah Flink 1.12 atau lebih lama, Anda dapat melakukan operasi berikut untuk memperbarui versi engine berdasarkan versi engine yang digunakan oleh deployment Anda:
Flink 1.12: Hentikan dan kemudian mulai ulang deployment Anda. Lalu, sistem secara otomatis memperbarui versi engine deployment Anda menjadi vvr-3.0.3-flink-1.12.
Flink 1.11 atau Flink 1.10: Perbarui secara manual versi engine deployment Anda menjadi vvr-3.0.3-flink-1.12 atau vvr-4.0.8-flink-1.13, dan kemudian mulai ulang deployment. Jika tidak, kesalahan timeout akan terjadi saat Anda memulai deployment.
JAR URI
Pilih file atau unggah file baru secara manual. Anda dapat menyeret file yang ingin Anda unggah ke bidang ini atau klik ikon
di sebelah kanan untuk memilih file yang ingin Anda unggah.CatatanRealtime Compute for Apache Flink yang menggunakan VVR 8.0.6 atau lebih baru hanya memungkinkan Anda mengakses bucket yang Anda pilih untuk dikaitkan dengan ruang kerja Realtime Compute for Apache Flink Anda saat Anda mengaktifkan ruang kerja.
Jika deployment Anda adalah deployment API Python, unggah file JAR resmi PyFlink. Untuk mengunduh file JAR resmi versi yang diperlukan, klik PyFlink V1.11 atau PyFlink V1.12.
Entry Point Class
Tentukan kelas titik masuk aplikasi. Jika Anda tidak menentukan kelas utama untuk file JAR, masukkan jalur standar di bidang Entry Point Class.
CatatanJika deployment Anda adalah deployment API Python, masukkan org.apache.flink.client.python.PythonDriver di bidang Entry Point Class.
Entry Point Main Arguments
Anda dapat melewati parameter dan memanggilnya di metode utama.
CatatanInformasi parameter tidak boleh lebih besar dari 1.024 karakter panjangnya. Kami merekomendasikan agar Anda tidak menggunakan parameter kompleks. Parameter yang termasuk baris baru, spasi, atau karakter khusus lainnya dianggap sebagai parameter kompleks. Jika Anda ingin melewati parameter kompleks, gunakan file dependensi.
Jika deployment Anda adalah deployment API Python, unggah file deployment Python terlebih dahulu. Secara default, setelah Anda mengunggah file deployment Python, file tersebut diunggah ke direktori /flink/usrlib/ node yang menjalankan deployment.
Jika file deployment Python bernama word_count.py, masukkan
-py /flink/usrlib/word_count.pydi bidang Argumen Utama Titik Masuk.Masukkan jalur lengkap file deployment Python. Anda tidak dapat menghilangkan atau mengubah /flink/usrlib/.
Additional Dependencies
(Direkomendasikan) Pilih file dependensi yang Anda unggah.
Anda harus mengunggah file dependensi terlebih dahulu. Untuk mengunggah file dependensi, klik Upload Artifacts di pojok kiri atas halaman Artifacts di konsol pengembangan Realtime Compute for Apache Flink. Atau, klik ikon
di sebelah kanan Additional Dependencies di kotak dialog Create Jar Deployment. File dependensi yang Anda unggah disimpan di direktori artifacts dari Object Storage Service (OSS) bucket yang Anda pilih untuk dikaitkan dengan ruang kerja Realtime Compute for Apache Flink Anda saat Anda mengaktifkan ruang kerja. Direktori file dalam format oss://<Nama Bucket OSS yang dikaitkan dengan ruang kerja Anda>/artifacts/namespaces/<Nama Namespace>.Masukkan Bucket OSS tempat file dependensi yang diperlukan disimpan.
Bucket OSS tempat file dependensi diunggah harus Bucket OSS yang Anda pilih saat mengaktifkan ruang kerja Realtime Compute for Apache Flink saat ini.
Masukkan URL file dependensi yang diperlukan.
Anda harus memasukkan URL sistem penyimpanan eksternal yang dapat diakses oleh Realtime Compute for Apache Flink dan diizinkan untuk diakses. Daftar kontrol akses (ACL) sistem penyimpanan eksternal harus public-read atau Realtime Compute for Apache Flink harus memiliki izin untuk mengakses sistem penyimpanan eksternal. Hanya URL yang diakhiri dengan nama file yang didukung, seperti http://xxxxxx/<file>.
CatatanFile dependensi yang Anda unggah menggunakan salah satu metode di atas juga dapat diunduh ke mesin tujuan. Saat deployment berjalan, file dependensi dimuat ke direktori /flink/usrlib pod tempat JobManager dan TaskManager berada.
Jika Anda memilih session cluster untuk Deployment Target, Anda tidak dapat mengonfigurasi file dependensi untuk deployment.
Deployment Target
Pilih queue atau session cluster yang diinginkan dari daftar drop-down. Kami merekomendasikan agar Anda tidak menggunakan session cluster di lingkungan produksi. Untuk informasi lebih lanjut, lihat Kelola queue dan bagian "Langkah 1: Buat session cluster" dari topik Debug deployment.
CatatanMetrik pemantauan deployment yang diterapkan dalam session cluster tidak dapat ditampilkan. Session cluster tidak mendukung fitur pemantauan dan peringatan serta fitur Autopilot. Session cluster cocok untuk lingkungan pengembangan dan pengujian. Kami merekomendasikan agar Anda tidak menggunakan session cluster di lingkungan produksi. Untuk informasi lebih lanjut, lihat Debug deployment.
Description
Opsional. Masukkan deskripsi untuk deployment.
Label
Setelah Anda menentukan label untuk deployment, Anda dapat mencari deployment berdasarkan label key dan label value di halaman Deployments. Anda dapat menentukan maksimal tiga label untuk deployment.
More Setting
Jika Anda mengaktifkan sakelar ini, Anda harus mengonfigurasi parameter berikut:
Kerberos Name: Pilih kluster Hive yang mendukung otentikasi Kerberos dari daftar drop-down. Untuk informasi lebih lanjut tentang cara membuat kluster Hive yang mendukung otentikasi Kerberos, lihat Daftarkan kluster Hive dengan Kerberos.
principal: sebuah principal Kerberos, yang bisa berupa pengguna atau layanan. Principal Kerberos digunakan untuk secara unik mengidentifikasi identitas dalam sistem enkripsi Kerberos.
Klik Deploy.
Anda dapat melihat deployment di halaman Deployments serta memulai deployment sesuai kebutuhan bisnis Anda.
Buat deployment Python
Di panel navigasi sebelah kiri, pilih . Di halaman Deployments, pilih di pojok kiri atas.
Di kotak dialog Create Python Deployment, konfigurasikan parameter. Tabel berikut menjelaskan parameter.
Parameter
Deskripsi
Deployment Mode
Pilih Stream Mode atau Batch Mode.
Deployment Name
Masukkan nama deployment yang ingin Anda buat.
Engine Version
Untuk informasi lebih lanjut tentang versi engine, lihat Versi engine dan Kebijakan siklus hidup. Kami merekomendasikan agar Anda menggunakan versi yang direkomendasikan atau versi stabil.
Versi yang direkomendasikan: versi minor terbaru dari versi utama terbaru.
Versi stabil: versi minor terbaru dari versi utama yang masih dalam periode layanan produk. Cacat di versi sebelumnya diperbaiki di versi ini.
Versi normal: versi minor lainnya yang masih dalam periode layanan produk.
Versi yang sudah tidak digunakan: versi yang melebihi periode layanan produk.
CatatanDi VVR 3.0.3 dan lebih baru, VVP memungkinkan Anda menjalankan deployment Python yang menggunakan versi engine berbeda pada saat yang sama. Versi engine Flink yang menggunakan VVR 3.0.3 adalah Flink 1.12. Jika versi engine deployment Anda adalah Flink 1.12 atau lebih lama, Anda dapat melakukan operasi berikut untuk memperbarui versi engine berdasarkan versi engine yang digunakan oleh deployment Anda:
Flink 1.12: Hentikan dan kemudian mulai ulang deployment Anda. Lalu, sistem secara otomatis memperbarui versi engine deployment Anda menjadi vvr-3.0.3-flink-1.12.
Flink 1.11 atau Flink 1.10: Perbarui secara manual versi engine deployment Anda menjadi vvr-3.0.3-flink-1.12 atau vvr-4.0.8-flink-1.13, dan kemudian mulai ulang deployment. Jika tidak, kesalahan timeout akan terjadi saat Anda memulai deployment.
Python Uri
Tentukan Uniform Resource Identifier (URI) yang digunakan untuk mengakses file deployment Python yang ingin Anda unggah.
File deployment Python dapat berupa file .py atau file .zip.
Jika parameter Entry Module kosong, tetapkan parameter tersebut ke URI file .py.
Entry Module
Kelas titik masuk aplikasi Python, seperti example.word_count.
Jika parameter Python Uri yang Anda tentukan adalah URI file .zip, Anda harus mengonfigurasi parameter ini.
Entry Point Main Arguments
Masukkan parameter deployment.
Python Libraries
Tentukan paket Python pihak ketiga yang ingin Anda gunakan. Paket Python pihak ketiga yang Anda unggah ditambahkan ke PYTHONPATH proses pekerja Python sehingga paket tersebut dapat langsung diakses dalam fungsi yang ditentukan pengguna Python (UDF). Untuk informasi tentang cara menggunakan pustaka Python pihak ketiga, lihat bagian "Gunakan paket Python pihak ketiga" dari topik Gunakan dependensi Python.
Python Archives
Tentukan file arsip. Hanya file ZIP seperti .zip, .jar, .whl, dan .egg yang didukung.
File arsip diekstraksi ke direktori kerja proses pekerja Python. Sebagai contoh, jika nama file terkompresi tempat file arsip berada adalah mydata.zip, kode berikut dapat ditulis dalam UDF Python untuk mengakses file arsip mydata.zip.
def map(): with open("mydata.zip/mydata/data.txt") as f: ...Untuk informasi lebih lanjut, lihat bagian Gunakan lingkungan virtual Python kustom dan Gunakan file data dari topik "Gunakan dependensi Python".
Additional Dependencies
Anda dapat mengunggah file untuk deployment, seperti file deployment Python dan file data yang dibutuhkan oleh deployment. Untuk informasi lebih lanjut tentang dependensi Python, lihat Dependensi Python.
(Direkomendasikan) Pilih file dependensi yang Anda unggah.
Anda harus mengunggah file dependensi terlebih dahulu. Untuk mengunggah file dependensi, klik Upload Artifacts di pojok kiri atas halaman Artifacts di konsol pengembangan Realtime Compute for Apache Flink. Atau, klik ikon
di sebelah kanan Additional Dependencies di kotak dialog Create Jar Deployment. File dependensi yang Anda unggah disimpan di direktori artifacts dari Object Storage Service (OSS) bucket yang Anda pilih untuk dikaitkan dengan ruang kerja Realtime Compute for Apache Flink Anda saat Anda mengaktifkan ruang kerja. Direktori file dalam format oss://<Nama Bucket OSS yang dikaitkan dengan ruang kerja Anda>/artifacts/namespaces/<Nama Namespace>.Masukkan Bucket OSS tempat file dependensi yang diperlukan disimpan.
Bucket OSS tempat file dependensi diunggah harus Bucket OSS yang Anda pilih saat mengaktifkan ruang kerja Realtime Compute for Apache Flink saat ini.
Masukkan URL file dependensi yang diperlukan.
Anda harus memasukkan URL sistem penyimpanan eksternal yang dapat diakses oleh Realtime Compute for Apache Flink dan diizinkan untuk diakses. Daftar kontrol akses (ACL) sistem penyimpanan eksternal harus public-read atau Realtime Compute for Apache Flink harus memiliki izin untuk mengakses sistem penyimpanan eksternal. Hanya URL yang diakhiri dengan nama file yang didukung, seperti http://xxxxxx/<file>.
CatatanFile dependensi yang Anda unggah menggunakan salah satu metode di atas juga dapat diunduh ke mesin tujuan. Saat deployment berjalan, file dependensi dimuat ke direktori /flink/usrlib pod tempat JobManager dan TaskManager berada.
Jika Anda memilih session cluster untuk Deployment Target, Anda tidak dapat mengonfigurasi file dependensi untuk deployment.
Deployment Target
Pilih queue atau session cluster yang diinginkan dari daftar drop-down. Kami merekomendasikan agar Anda tidak menggunakan session cluster di lingkungan produksi. Untuk informasi lebih lanjut, lihat Kelola queue dan bagian "Langkah 1: Buat session cluster" dari topik Debug deployment.
CatatanMetrik pemantauan deployment yang diterapkan dalam session cluster tidak dapat ditampilkan. Session cluster tidak mendukung fitur pemantauan dan peringatan serta fitur Autopilot. Session cluster cocok untuk lingkungan pengembangan dan pengujian. Kami merekomendasikan agar Anda tidak menggunakan session cluster di lingkungan produksi. Untuk informasi lebih lanjut, lihat Debug draf.
Description
Opsional. Masukkan deskripsi untuk deployment.
Label
Setelah Anda menentukan label untuk deployment, Anda dapat mencari deployment berdasarkan label key dan label value di halaman Deployments. Anda dapat menentukan maksimal tiga label untuk deployment.
More Setting
Jika Anda mengaktifkan sakelar ini, Anda harus mengonfigurasi parameter berikut:
Kerberos Name: Pilih kluster Hive yang mendukung otentikasi Kerberos dari daftar drop-down. Untuk informasi lebih lanjut tentang cara membuat kluster Hive yang mendukung otentikasi Kerberos, lihat Daftarkan kluster Hive dengan Kerberos.
principal: sebuah principal Kerberos, yang bisa berupa pengguna atau layanan. Principal Kerberos digunakan untuk secara unik mengidentifikasi identitas dalam sistem enkripsi Kerberos.
Di kotak dialog Create Deployment, klik Deploy.
Deployment dapat dilihat di halaman Deployments dan dapat dimulai sesuai kebutuhan bisnis Anda.
Referensi
Anda dapat mengonfigurasi dan memodifikasi deployment serta sumber daya deployment sebelum memulai deployment atau setelah menerbitkan draf. Untuk informasi lebih lanjut, lihat Konfigurasi Deployment dan Konfigurasi Sumber Daya untuk Deployment.
Setelah membuat deployment, Anda dapat memulainya di halaman Deployments untuk menjalankan deployment. Untuk informasi lebih lanjut tentang cara memulai deployment, lihat Mulai Deployment.