Realtime Compute for Apache Flink:Bir iş dağıtın

1. Data Development > ETL bölümüne gidin ve SQL işinizi açın. Daha fazla bilgi için bkz. İş geliştirme haritası.

2. Deploy seçeneğine tıklayın.

3. Dağıtım parametrelerini yapılandırın.

   Oturum kümeleri (session clusters) izleme, uyarı veya otomatik ayarlama özelliklerini desteklemez. Bunları yalnızca hazırlık ortamı olarak kullanın, üretimde kullanmayın. Ayrıntılar için bkz. Bir işte hata ayıklama .

   Parameter	Description
   Note	(İsteğe bağlı) Bir açıklama girin.
   Job Tags	İşleri Operation Center > Job O&M bölümünde Tag Key ve Tag Value değerlerine göre filtreleyebilmeniz için işi etiketleyin. İş başına en fazla 3 etiket eklenebilir.
   Deployment Target	Bir resource queue veya bir session cluster seçin. Ayrıntılar için bkz. Kaynak kuyruklarını yönetin ve Adım 1: Oturum kümesi oluşturun.
   Skip deep check before deployment	Dağıtım öncesi derin denetimi atlamak için bu seçeneği işaretleyin.

4. OK seçeneğine tıklayın.

Operation Center > Job O&M sayfasında dağıtılan SQL işini görüntüleyebilir ve gerektiğinde başlatabilirsiniz.

YAML işi dağıtımı için Ververica Runtime (VVR) 8.0.9 veya sonraki bir sürüm gerekir.

1. Data Development > Data Ingestion bölümüne gidin ve YAML işinizi açın. Daha fazla bilgi için bkz. Flink CDC veri alımı işi geliştirin (genel önizleme).

2. Deploy seçeneğine tıklayın.

3. Dağıtım parametrelerini yapılandırın.

   Parameter	Description
   Description	(İsteğe bağlı) Bir açıklama girin.
   Job Tags	İşleri Operation Center > Job O&M bölümünde Tag Key ve Tag Value değerlerine göre filtreleyebilmeniz için işi etiketleyin. İş başına en fazla 3 etiket eklenebilir.
   Deployment Target	Bir resource queue seçin. Ayrıntılar için bkz. Kaynak kuyruklarını yönetin.
   Skip deep check before deployment	Dağıtım öncesi derin denetimi atlamak için bu seçeneği işaretleyin.

4. OK seçeneğine tıklayın.

Operation Center > Job O&M sayfasında dağıtılan YAML işini görüntüleyebilir ve gerektiğinde başlatabilirsiniz.

1. Operation Center > Job O&M bölümüne gidin, ardından Deploy Job > JAR Job seçeneklerini belirleyin.

2. Basic settings bölümünü yapılandırın.

   Oturum kümeleri (session clusters) izleme, uyarı veya otomatik ayarlama özelliklerini desteklemez. Bunları yalnızca hazırlık ortamı olarak kullanın, üretimde kullanmayın. Ayrıntılar için bkz. Bir işte hata ayıklama .

   Parameter	Description
   Deployment Mode	Stream veya Batch modunu seçin.
   Deployment Name	İş için bir ad girin.
   Engine Version	Bir VVR sürümü seçin. Üretim ortamları için Recommended veya Stable sürüm kullanın. Sürüm etiketleri: Recommended (en son ana sürümün en son küçük sürümü), Stable (hizmette olan bir ana sürümün en son küçük sürümü; önceki sürümlerdeki hata düzeltmelerini içerir), Normal (hizmette olan diğer küçük sürümler), EOS (hizmet sonu). Ayrıntılar için bkz. Motor sürümleri ve Yaşam döngüsü ilkesi.
   JAR URI	Yüklenmiş bir dosya seçin veya yeni bir dosya yükleyin. VVR 8.0.6 ve sonraki sürümler yalnızca Flink çalışma alanınıza bağlı OSS paket erişebilir. Python API işleri için resmi PyFlink JAR paketini belirtin. İndirme bağlantıları: PyFlink V1.11 ve PyFlink V1.12.
   Entry Point Class	JAR programınızın ana sınıfı. JAR paketiniz bir ana sınıf belirtmiyorsa bu alan gereklidir. Python API işleri için bu değeri org.apache.flink.client.python.PythonDriver olarak ayarlayın.
   Entry Point Main Arguments	Ana yönteme iletilen parametreler. En fazla 1.024 karakter. Satır sonları, boşluklar veya özel karakterler içeren karmaşık değerlerden kaçının; bunun yerine ek bağımlılık dosyaları kullanın. Python API işleri için bu değeri -py /flink/usrlib/<your-python-file>.py olarak ayarlayın. /flink/usrlib/ öneki gereklidir. Örneğin, Python iş dosyanız word_count.py ise -py /flink/usrlib/word_count.py girin.
   Additional Dependency Files	Çalışma zamanında JobManager (JM) ve TaskManager (TM) pod'larının /flink/usrlib/ dizinine yüklenen ek dosyalar. Deployment Target bir oturum kümesi (session cluster) olduğunda yapılandırılamaz. Dosyaları şu yöntemlerden birini kullanarak belirtin: (1) Daha önce yüklenmiş dosyalardan seçin (önerilir) — sol gezinme bölmesindeki Resource Management aracılığıyla yükleyin; dosyalar oss://<bucket-name>/artifacts/namespaces/<namespace-name> konumunda depolanır. (2) Dosyanın OSS yolunu girin — Flink çalışma alanınızla ilişkili OSS paketine işaret etmelidir. (3) Realtime Compute for Apache Flink tarafından erişilebilen harici bir depolama sistemindeki bir dosyanın URL'sini girin (genel okuma veya kimlik doğrulama gerekmez) — yalnızca dosya adıyla biten URL'ler desteklenir, örneğin http://xxxxxx/<file>.
   Deployment Target	Bir resource queue veya bir session cluster seçin. Ayrıntılar için bkz. Kaynak kuyruklarını yönetin ve Adım 1: Oturum kümesi oluşturun.
   Description	(İsteğe bağlı) Bir açıklama girin.
   Job Tags	Job O&M bölümünde filtreleme yapmak için işi etiketleyin. İş başına en fazla 3 etiket eklenebilir.

3. (İsteğe bağlı) Kerberos kimlik doğrulamasını yapılandırmak için More Settings seçeneğini etkinleştirin.

   Parameter	Description
   Kerberos Cluster	Bir Kerberos kümesi seçin. Oluşturma hakkında ayrıntılı bilgi için bkz. Kerberos kümesi oluşturun.
   principal	Kerberos şifreleme sisteminde bir kimliği benzersiz şekilde tanımlayan Kerberos asıl adı (kullanıcı veya hizmet).

4. Deploy seçeneğine tıklayın.

Operation Center > Job O&M sayfasında dağıtılan JAR işini görüntüleyebilir ve gerektiğinde başlatabilirsiniz.

1. Operation Center > Job O&M bölümüne gidin, ardından Deploy Job > Python Job seçeneklerini belirleyin.

2. Basic settings bölümünü yapılandırın.

   Oturum kümeleri (session clusters) izleme, uyarı veya otomatik ayarlama özelliklerini desteklemez. Bunları yalnızca hazırlık ortamı olarak kullanın, üretimde kullanmayın. Ayrıntılar için bkz. Bir işte hata ayıklama .

   Önemli

   İşiniz JAR paketi bağımlılıkları kullanıyorsa, bunlara referans vermek için dağıtımdan sonra pipeline.classpaths parametresini yapılandırın. Ayrıntılar için bkz. JAR paketi bağımlılıklarını kullanma.

   Parameter	Description
   Deployment Mode	Akış modu veya toplu iş modunu seçin.
   Deployment Name	İş için bir ad girin.
   Engine Version	Bir VVR sürümü seçin. Üretim ortamları için Recommended veya Stable sürüm kullanın. Sürüm etiketleri: Recommended (en son ana sürümün en son küçük sürümü), Stable (hizmette olan bir ana sürümün en son küçük sürümü), Normal (hizmette olan diğer küçük sürümler), EOS (hizmet sonu). Ayrıntılar için bkz. Motor sürümleri ve Yaşam döngüsü ilkesi.
   Python File Path	Python iş dosyasını seçin. .py veya .zip dosyalarını kabul eder. Entry Module boşsa bu bir .py dosyası olmalıdır.
   Entry Module	Programın giriş sınıfı, örneğin example.word_count. Python File Path bir .zip dosyası olduğunda gereklidir.
   Entry Point Main Arguments	İş parametreleri.
   Python Libraries	Python çalışan sürecinin PYTHONPATH değişkenine eklenen üçüncü taraf Python paketleri; Python kullanıcı tanımlı işlevlerinde (UDF'ler) doğrudan erişilebilir. Ayrıntılar için bkz. Üçüncü taraf Python paketlerini kullanma.
   Python Archives	ZIP formatındaki arşiv dosyaları (.zip, .jar, .whl, .egg). Dosyalar Python çalışan sürecinin çalışma dizinine açılır. Ayrıntılar için bkz. Özel Python sanal ortamı kullanma ve Veri dosyalarını kullanma. Arşiv dosyanız mydata.zip ise içeriğine bir Python UDF içinde şu şekilde erişebilirsiniz: open("mydata.zip/mydata/data.txt").
   Additional Dependency Files	Çalışma zamanında /flink/usrlib/ dizinine yüklenen Python iş dosyaları ve bağımlı veri dosyaları. Deployment Target bir oturum kümesi (session cluster) olduğunda yapılandırılamaz. Dosyaları şu yöntemlerden birini kullanarak belirtin: (1) Daha önce yüklenmiş dosyalardan seçin (önerilir) — sol gezinme bölmesindeki Resource Management aracılığıyla yükleyin; dosyalar oss://<bucket-name>/artifacts/namespaces/<namespace-name> konumunda depolanır. (2) Dosyanın OSS yolunu girin — Flink çalışma alanınızla ilişkili OSS paketine işaret etmelidir. (3) Realtime Compute for Apache Flink tarafından erişilebilen harici bir depolama sistemindeki bir dosyanın URL'sini girin (genel okuma veya kimlik doğrulama gerekmez) — yalnızca dosya adıyla biten URL'ler desteklenir, örneğin http://xxxxxx/<file>.
   Deployment Target	Bir resource queue veya bir session cluster seçin. Ayrıntılar için bkz. Kaynak kuyruklarını yönetin ve Adım 1: Oturum kümesi oluşturun.
   Note	(İsteğe bağlı) Bir açıklama girin.
   Job Tags	Job O&M bölümünde filtreleme yapmak için işi etiketleyin. İş başına en fazla 3 etiket eklenebilir.

3. (İsteğe bağlı) Kerberos kimlik doğrulamasını yapılandırmak için More Settings seçeneğini etkinleştirin.

   Parameter	Description
   Kerberos Cluster	Bir Kerberos kümesi seçin. Oluşturma hakkında ayrıntılı bilgi için bkz. Kerberos kümesi oluşturun.
   principal	Kerberos şifreleme sisteminde bir kimliği benzersiz şekilde tanımlayan Kerberos asıl adı (kullanıcı veya hizmet).

4. Deploy seçeneğine tıklayın.

Operation Center > Job O&M sayfasında dağıtılan Python işini görüntüleyebilir ve gerektiğinde başlatabilirsiniz.