在一個企業中，為了最大化的利用集群資源，一般都會在一個集群中同時運行多種類型的 Workload。因此 Flink 也支持在 Yarn 上面運行。首先，讓我們了解下 Yarn 和 Flink 的關系。
在圖中可以看出，Flink 與 Yarn 的關系與 MapReduce 和 Yarn 的關系是一樣的。Flink 通過 Yarn 的接口實現了自己的 App Master。當在 Yarn 中部署了 Flink，Yarn 就會用自己的 Container 來啟動 Flink 的 JobManager（也就是 App Master）和 TaskManager。
啟動新的Flink YARN會話時，客戶端首先檢查所請求的資源（容器和內存）是否可用。之后，它將包含Flink和配置的jar上傳到HDFS（步驟1）。
客戶端的下一步是請求（步驟2）YARN容器以啟動ApplicationMaster（步驟3）。由于客戶端將配置和jar文件注冊為容器的資源，因此在該特定機器上運行的YARN的NodeManager將負責準備容器（例如，下載文件）。完成后，將啟動ApplicationMaster（AM）。
該JobManager和AM在同一容器中運行。一旦它們成功啟動，AM就知道JobManager（它自己的主機）的地址。它正在為TaskManagers生成一個新的Flink配置文件（以便它們可以連接到JobManager）。該文件也上傳到HDFS。此外，AM容器還提供Flink的Web界面。YARN代碼分配的所有端口都是臨時端口。這允許用戶并行執行多個Flink YARN會話。
之后，AM開始為Flink的TaskManagers分配容器，這將從HDFS下載jar文件和修改后的配置。完成這些步驟后，即可建立Flink并準備接受作業。
修改環境變量
export HADOOP_CONF_DIR= /opt/module/hadoop-2.7.6/etc/hadoop
部署啟動
$ yarn-session.sh -d -s 1 -tm 800 -n 2
-n : TaskManager的數量，相當于executor的數量
-s : 每個JobManager的core的數量，executor-cores。建議將slot的數量設置每臺機器的處理器數量
-tm : 每個TaskManager的內存大小，executor-memory
-jm : JobManager的內存大小，driver-memory
上面的命令的意思是，同時向Yarn申請3個container，其中 2 個 Container 啟動 TaskManager（-n 2），每個 TaskManager 擁有兩個 Task Slot（-s 2），并且向每個 TaskManager 的 Container 申請 800M 的內存，以及一個ApplicationMaster（Job Manager）。
Flink部署到Yarn Cluster后，會顯示Job Manager的連接細節信息。
Flink on Yarn會覆蓋下面幾個參數，如果不希望改變配置文件中的參數，可以動態的通過-D選項指定，如
-Dfs.overwrite-files=true -Dtaskmanager.network.numberOfBuffers=16368
jobmanager.rpc.address：因為JobManager會經常分配到不同的機器上
taskmanager.tmp.dirs：使用Yarn提供的tmp目錄
parallelism.default：如果有指定slot個數的情況下
yarn-session.sh會掛起進程，所以可以通過在終端使用CTRL+C或輸入stop停止yarn-session。
如果不希望Flink Yarn client長期運行，Flink提供了一種detached YARN session，啟動時候加上參數-d或—detached
在上面的命令成功后，我們就可以在 Yarn Application 頁面看到 Flink 的紀錄。
如果在虛擬機中測試，可能會遇到錯誤。這里需要注意內存的大小，Flink 向 Yarn 會申請多個 Container，但是 Yarn 的配置可能限制了 Container 所能申請的內存大小，甚至 Yarn 本身所管理的內存就很小。這樣很可能無法正常啟動 TaskManager，尤其當指定多個 TaskManager 的時候。因此，在啟動 Flink 之后，需要去 Flink 的頁面中檢查下 Flink 的狀態。這里可以從 RM 的頁面中，直接跳轉（點擊 Tracking UI）。
yarn-session.sh啟動命令參數如下：
$ yarn-session.sh --help
Usage:
Required
-n,--container <arg> Number of YARN container to allocate (=Number of Task Managers)
Optional
-D <property=value> use value for given property
-d,--detached If present, runs the job in detached mode
-h,--help Help for the Yarn session CLI.
-id,--applicationId <arg> Attach to running YARN session
-j,--jar <arg> Path to Flink jar file
-jm,--jobManagerMemory <arg> Memory for JobManager Container with optional unit (default: MB)
-m,--jobmanager <arg> Address of the JobManager (master) to which to connect. Use this flag to connect to a different JobManager than the one specified in the configuration.
-n,--container <arg> Number of YARN container to allocate (=Number of Task Managers)
-nl,--nodeLabel <arg> Specify YARN node label for the YARN application
-nm,--name <arg> Set a custom name for the application on YARN
-q,--query Display available YARN resources (memory, cores)
-qu,--queue <arg> Specify YARN queue.
-s,--slots <arg> Number of slots per TaskManager
-st,--streaming Start Flink in streaming mode
-t,--ship <arg> Ship files in the specified directory (t for transfer)
-tm,--taskManagerMemory <arg> Memory per TaskManager Container with optional unit (default: MB)
-yd,--yarndetached If present, runs the job in detached mode (deprecated; use non-YARN specific option instead)
-z,--zookeeperNamespace <arg> Namespace to create the Zookeeper sub-paths for high availability mode
提交任務
之后，我們可以通過這種方式提交我們的任務
$ ./bin/flink run -m yarn-cluster -yn2 ./examples/batch/WordCount.jar --input /opt/wcinput/wc.txt --output /opt/wcoutput/
bin/flink run -m yarn-cluster -yn2 examples/batch/WordCount.jar --input /input/ --output /Andy
以上命令在參數前加上y前綴，-yn表示TaskManager個數。
在這個模式下，同樣可以使用-m yarn-cluster提交一個"運行后即焚"的detached yarn（-yd）作業到yarn cluster。
停止yarn cluster
yarn application -kill application_1539058959130_0001
Yarn模式的HA
應用最大嘗試次數（yarn-site.xml），您必須配置為嘗試應用的最大數量的設置yarn-site.xml，當前YARN版本的默認值為2（表示允許單個JobManager失敗）。
<property>
<name>yarn.resourcemanager.am.max-attempts</name>
<value>4</value>
<description>The maximum number of application master execution attempts</description>
</property>
申請嘗試（flink-conf.yaml），您還必須配置最大嘗試次數
conf/flink-conf.yaml
yarn.application-attempts：10
示例：高度可用的YARN會話
配置HA模式和zookeeper法定人數在conf/flink-conf.yaml
high-availability: zookeeper
high-availability.zookeeper.quorum: bigdata11:2181,bigdata12:2181,bigdata13:2181
high-availability.storageDir: hdfs:///flink/recovery
high-availability.zookeeper.path.root: /flink
yarn.application-attempts: 10
配置ZooKeeper的服務器中conf/zoo.cfg（目前它只是可以運行每臺機器的單一的ZooKeeper服務器）：
server.1=bigdata11:2888:3888
server.2=bigdata12:2888:3888
server.3=bigdata13:2888:3888
啟動ZooKeeper仲裁：
$ bin / start-zookeeper-quorum.sh
啟動HA群集：
$ bin / yarn-session.sh -n 2
錯誤異常
1.身份認證失敗
flink run examples/streaming/SocketWindowWordCount.jar --port 9000
Starting execution of program
------------------------------------------------------------
The program finished with the following exception:
org.apache.flink.client.program.ProgramInvocationException: Job failed. (JobID: b7a99ac5db242290413dbebe32ba52b0) at org.apache.flink.client.program.rest.RestClusterClient.submitJob(RestClusterClient.java:267) at org.apache.flink.client.program.ClusterClient.run(ClusterClient.java:486) at org.apache.flink.streaming.api.environment.StreamContextEnvironment.execute(StreamContextEnvironment.java:66) at org.apache.flink.streaming.examples.socket.SocketWindowWordCount.main(SocketWindowWordCount.java:92) at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method) at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:62) at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43) at java.lang.reflect.Method.invoke(Method.java:498) at org.apache.flink.client.program.PackagedProgram.callMainMethod(PackagedProgram.java:529) at org.apache.flink.client.program.PackagedProgram.invokeInteractiveModeForExecution(PackagedProgram.java:421) at org.apache.flink.client.program.ClusterClient.run(ClusterClient.java:426) at org.apache.flink.client.cli.CliFrontend.executeProgram(CliFrontend.java:804) at org.apache.flink.client.cli.CliFrontend.runProgram(CliFrontend.java:280) at org.apache.flink.client.cli.CliFrontend.run(CliFrontend.java:215)
at org.apache.flink.client.cli.CliFrontend.parseParameters(CliFrontend.java:1044)
at org.apache.flink.client.cli.CliFrontend.lambda$main$11(CliFrontend.java:1120)
at java.security.AccessController.doPrivileged(Native Method)
at javax.security.auth.Subject.doAs(Subject.java:422)
at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1754) at org.apache.flink.runtime.security.HadoopSecurityContext.runSecured(HadoopSecurityContext.java:41)
at org.apache.flink.client.cli.CliFrontend.main(CliFrontend.java:1120)
Caused by: java.net.ConnectException: Connection refused (Connection refused)
at java.net.PlainSocketImpl.socketConnect(Native Method)
at java.net.AbstractPlainSocketImpl.doConnect(AbstractPlainSocketImpl.java:350)
at java.net.AbstractPlainSocketImpl.connectToAddress(AbstractPlainSocketImpl.java:206)
at java.net.AbstractPlainSocketImpl.connect(AbstractPlainSocketImpl.java:188)
at java.net.SocksSocketImpl.connect(SocksSocketImpl.java:392)
at java.net.Socket.connect(Socket.java:589)
通過查看日志，發現有如下報錯
ERRORorg.apache.flink.shaded.curator.org.apache.curator.ConnectionState - Authentication failed
解決法案：添加定時任務認證kerberos
