Realtime Compute for Apache Flink:Implantar um job

1. Acesse Data Development > ETL e abra seu job SQL. Para mais informações, consulte Job development map.

2. Clique em Deploy.

3. Configure os parâmetros de implantação.

   Clusters de sessão não oferecem suporte a monitoramento, alertas nem ajuste automático. Utilize-os apenas como ambiente de staging, não em produção. Para detalhes, consulte Debug a job .

   Parâmetro	Descrição
   Note	(Opcional) Insira uma descrição.
   Job Tags	Adicione tags ao job para permitir filtragem por Tag Key e Tag Value em Operation Center > Job O&M. Máximo de 3 tags por job.
   Deployment Target	Selecione uma resource queue ou um session cluster. Para detalhes, consulte Manage resource queues e Step 1: Create a session cluster.
   Skip deep check before deployment	Marque esta opção para ignorar a verificação profunda antes da implantação.

4. Clique em OK.

Na página Operation Center > Job O&M, visualize o job SQL implantado e inicie-o conforme necessário.

A implantação de jobs YAML requer o Ververica Runtime (VVR) 8.0.9 ou posterior.

1. Acesse Data Development > Data Ingestion e abra seu job YAML. Para mais informações, consulte Develop a Flink CDC data ingestion job (public preview).

2. Clique em Deploy.

3. Configure os parâmetros de implantação.

   Parâmetro	Descrição
   Description	(Opcional) Insira uma descrição.
   Job Tags	Adicione tags ao job para permitir filtragem por Tag Key e Tag Value em Operation Center > Job O&M. Máximo de 3 tags por job.
   Deployment Target	Selecione uma resource queue. Para detalhes, consulte Manage resource queues.
   Skip deep check before deployment	Marque esta opção para ignorar a verificação profunda antes da implantação.

4. Clique em OK.

Na página Operation Center > Job O&M, visualize o job YAML implantado e inicie-o conforme necessário.

1. Acesse Operation Center > Job O&M e escolha Deploy Job > JAR Job.

2. Configure as Basic settings.

   Clusters de sessão não oferecem suporte a monitoramento, alertas nem ajuste automático. Utilize-os apenas como ambiente de staging, não em produção. Para detalhes, consulte Debug a job .

   Parâmetro	Descrição
   Deployment Mode	Selecione Stream ou Batch.
   Deployment Name	Insira um nome para o job.
   Engine Version	Selecione uma versão do VVR. Use uma versão Recommended ou Stable para produção. Rótulos de versão: Recommended (versão secundária mais recente da versão principal mais nova), Stable (versão secundária mais recente de uma versão principal ainda em service; inclui correções de bugs de versões anteriores), Normal (outras versões secundárias ainda em service), EOS (fim de service). Para detalhes, consulte Engine versions e Lifecycle policy.
   JAR URI	Selecione um arquivo já enviado ou faça upload de um novo. O VVR 8.0.6 e posteriores acessam apenas o bucket OSS vinculado ao seu workspace Flink. Para jobs de API Python, especifique o pacote JAR oficial do PyFlink. URLs para baixe: PyFlink V1.11 e PyFlink V1.12.
   Entry Point Class	Classe principal do seu programa JAR. Obrigatória caso seu pacote JAR não especifique uma classe principal. Para jobs de API Python, defina como org.apache.flink.client.python.PythonDriver.
   Entry Point Main Arguments	Parâmetros passados para o método principal. Máximo de 1.024 caracteres. Evite valores complexos com quebras de linha, espaços ou caracteres especiais; utilize arquivos de dependência adicionais nesses casos. Para jobs de API Python, defina como -py /flink/usrlib/<your-python-file>.py. O prefixo /flink/usrlib/ é obrigatório. Por exemplo, se o arquivo do seu job Python for word_count.py, insira -py /flink/usrlib/word_count.py.
   Additional Dependency Files	Arquivos extras carregados no diretório /flink/usrlib/ dos pods do JobManager (JM) e TaskManager (TM) durante a execução. Não configurável quando o Deployment Target é um cluster de sessão. Especifique os arquivos usando um destes métodos: (1) Selecione entre arquivos enviados anteriormente (recomendado) — faça upload via Resource Management no painel de navegação à esquerda; os arquivos ficam armazenados em oss://<bucket-name>/artifacts/namespaces/<namespace-name>. (2) Insira o caminho OSS do arquivo — deve apontar para o bucket OSS associado ao seu workspace Flink. (3) Insira uma URL para um arquivo em um sistema de armazenamento externo acessível ao Realtime Compute for Apache Flink (leitura pública ou sem autenticação) — apenas URLs terminadas com nome de arquivo são suportadas, por exemplo, http://xxxxxx/<file>.
   Deployment Target	Selecione uma resource queue ou um session cluster. Para detalhes, consulte Manage resource queues e Step 1: Create a session cluster.
   Description	(Opcional) Insira uma descrição.
   Job Tags	Adicione tags ao job para filtragem em Job O&M. Máximo de 3 tags por job.

3. (Opcional) Ative More Settings para configurar a autenticação Kerberos.

   Parâmetro	Descrição
   Kerberos Cluster	Selecione um cluster Kerberos. Para detalhes sobre criação, consulte Create a Kerberos cluster.
   principal	O principal Kerberos (usuário ou service) que identifica exclusivamente uma identidade no sistema de criptografia Kerberos.

4. Clique em Deploy.

Na página Operation Center > Job O&M, visualize o job JAR implantado e inicie-o conforme necessário.

1. Acesse Operation Center > Job O&M e escolha Deploy Job > Python Job.

2. Configure as Basic settings.

   Clusters de sessão não oferecem suporte a monitoramento, alertas nem ajuste automático. Utilize-os apenas como ambiente de staging, não em produção. Para detalhes, consulte Debug a job .

   Importante

   Se o seu job utilizar dependências de pacotes JAR, configure o parâmetro pipeline.classpaths após a implantação para referenciá-las. Para detalhes, consulte Use JAR package dependencies.

   Parâmetro	Descrição
   Deployment Mode	Selecione o modo stream ou batch.
   Deployment Name	Insira um nome para o job.
   Engine Version	Selecione uma versão do VVR. Use uma versão Recommended ou Stable para produção. Rótulos de versão: Recommended (versão secundária mais recente da versão principal mais nova), Stable (versão secundária mais recente de uma versão principal ainda em service), Normal (outras versões secundárias ainda em service), EOS (fim de service). Para detalhes, consulte Engine versions e Lifecycle policy.
   Python File Path	Selecione o arquivo de job Python. Aceita arquivos .py ou .zip. Se o campo Entry Module estiver em branco, este deve ser um arquivo .py.
   Entry Module	Módulo de entrada do programa, por exemplo, example.word_count. Obrigatório quando o Python File Path for um arquivo .zip.
   Entry Point Main Arguments	Parâmetros do job.
   Python Libraries	Pacotes Python de terceiros adicionados ao PYTHONPATH do processo worker Python, acessíveis diretamente em funções definidas pelo usuário (UDFs) Python. Para detalhes, consulte Use third-party Python packages.
   Python Archives	Arquivos compactados no formato ZIP (.zip, .jar, .whl, .egg). Os arquivos são descompactados no diretório de trabalho do processo worker Python. Para detalhes, consulte Use a custom Python virtual environment e Use data files. Se o seu arquivo compactado for mydata.zip, acesse seu conteúdo em uma UDF Python da seguinte forma: open("mydata.zip/mydata/data.txt").
   Additional Dependency Files	Arquivos de job Python e arquivos de dados dependentes carregados em /flink/usrlib/ durante a execução. Não configurável quando o Deployment Target é um cluster de sessão. Especifique os arquivos usando um destes métodos: (1) Selecione entre arquivos enviados anteriormente (recomendado) — faça upload via Resource Management no painel de navegação à esquerda; os arquivos ficam armazenados em oss://<bucket-name>/artifacts/namespaces/<namespace-name>. (2) Insira o caminho OSS do arquivo — deve apontar para o bucket OSS associado ao seu workspace Flink. (3) Insira uma URL para um arquivo em um sistema de armazenamento externo acessível ao Realtime Compute for Apache Flink (leitura pública ou sem autenticação) — apenas URLs terminadas com nome de arquivo são suportadas, por exemplo, http://xxxxxx/<file>.
   Deployment Target	Selecione uma resource queue ou um session cluster. Para detalhes, consulte Manage resource queues e Step 1: Create a session cluster.
   Note	(Opcional) Insira uma descrição.
   Job Tags	Adicione tags ao job para filtragem em Job O&M. Máximo de 3 tags por job.

3. (Opcional) Ative More Settings para configurar a autenticação Kerberos.

   Parâmetro	Descrição
   Kerberos Cluster	Selecione um cluster Kerberos. Para detalhes sobre criação, consulte Create a Kerberos cluster.
   principal	O principal Kerberos (usuário ou service) que identifica exclusivamente uma identidade no sistema de criptografia Kerberos.

4. Clique em Deploy.

Na página Operation Center > Job O&M, visualize o job Python implantado e inicie-o conforme necessário.