[转]Flink 作业提交 设置classpath

通常我们在编写一个flink的作业的时候，肯定会有依赖的jar包。
flink官方希望你将所有的依赖和业务逻辑打成一个fat jar，这样方便提交，因为flink认为你应该对自己的业务逻辑做好单元测试，而不应该把这部分测试工作频繁提交到集群去做。
但事实是我们往往不愿意打一个fat jar，我们希望将业务逻辑独立出来，依赖动态提交。
可惜的是，flink并不支持这种提交模式。

flink官方的文档中提供了-C这个选项，来支持提交classpath，我们当时以为这个会有作用，后来再研读源码和实际测试的情况看来，不行，-C不是这么用的。

https://ci.apache.org/projects/flink/flink-docs-release-1.7/ops/cli.html

如上，是flink官方文档中对-C的解释，再加上对1.4.2版本源码以及1.5.0版本源码和1.6.0版本源码的研读，以及对cli的实际调用，总结如下：

1.此处的classpath的url必须是一个能够在client，JM和TM都被访问到的位置。

2.此位置从client端的提交到JM的分发到TM的访问的过程中，不会发生文件移动的动作，在1.4.2和1.5.0和1.6.0的版本中都是这样。

3.url支持的协议包括file,ftp,gopher,http,https,jar,mailto,netdoc，亦即java中URL类支持的协议类型。注意：不能放在hdfs上。

所以，如果要想使用-C这个选项，一般有两个做法：

1.手动将classpath中的位置在每个节点上进行部署。

2.使用共享存储，此共享存储可以被所有节点的角色访问。

那如何实现我们的要求？

三个方案：

1.与-yt结合使用

原理：-yt是在yarnCluster模式下用来将本地jar提交到远端的参数，当指定了-yt的值后，客户端会将目录中的jar上传到hdfs中本应用的lib目录中，在tm下载之后，会存在于tm的classpath中。

优点：无需修改代码，结合-yt在创建cluster的时候先行上传依赖文件，在提交作业的时候，再指定-C选项即可。

缺点：

多个作业共享一个cluster，则此cluster需要包含所有的作业可能的依赖。
如果要替换一个依赖，则比较困难，需要重新建立集群
-yt命令虽然将依赖上传到了hdfs，但是-C命令还是需要将文件上传到client端即我们的agent端，操作比较繁杂。

2.改动PackageProgram将lib包放入其library属性中

原理：后续在构建jobGraph的过程中，以library为基准去设置userJar属性。

优点：改动的位置比较靠前，而且packageProgram感觉在将来改动的可能性还是有。

缺点：library是一个用到的地方比较多的属性，是否对其他地方的调用产生影响，需要进一步的研究。

3.改动ClusterClient中的getJobGraph方法，将lib包放入jobGraph的userJar属性中

原理：jobGraph的userJar是用来上传的属性，放入这里，lib包将会被上传到JM的BlobServer中。

优点：比较清晰，改动的影响可控可见，比较没有副作用。

缺点：改动的比较深，对于日后的升级等或许有一定影响。

根据我们自己的情况，我们选择了方案2，但在某种情况下，方案1虽然有点烦，但至少不用改源码，也是可以考虑的。

https://www.cnblogs.com/029zz010buct/p/9432264.html