1. 背景
Hadoop体系虽然在目前应用非常广泛，但架构繁琐、运维复杂度过高、版本升级困难，且由于部门原因，数据中台需求排期较长，我们急需探索敏捷性开发的数据平台模式。在目前云原生架构的普及和湖仓一体化的大背景下，我们已经确定了将Doris作为离线数据仓库，将TiDB(目前已经应用于生产)作为实时数据平台，同时因为Doris具有 on MySQL 的odbc能力，所以又可以对外部数据库资源进行整合，统一对外输出报表 [图片上传中...(image-1d98f3-1676355289636-9)]
2. 遇到的问题
在数据引擎上，我们确定使用Spark和Flink
- 使用Spark on K8s client 客户端模式做离线数据处理
- 使用Flink on K8s Native-Application/Session 模式做实时任务流管理
在这里，实际上有一些问题我们一直没有彻底解决。用过Native-Application模式的朋友都知道，每提交一个任务，都需要打包新的镜像，提交到私有仓库，然后再调用Flink Run 指令沟通K8s,去拉取镜像运行Pod。任务提交之后，还需要去K8s查看log, 但是:
- 任务运行监控怎么处理？
- 使用Cluster模式还是Nodeport暴露端口访问Web UI？
- 提交任务能否简化打包镜像的流程?
- 如何减少开发压力？
3. 解决问题的过程
以上的这些其实都是需要解决的问题，如果单纯的使用命令行去提交每个任务，是不现实的，任务量大了，会变得不可维护。如何解决这些问题变成一个不得不面对的问题。
简化镜像构建
首先，针对Flink原生镜像需要二次build的问题：我们利用了MINIO作为外部存储，并使用s3-fuse通过DaemonSet的方式直接挂载在了每个宿主节点上，我们所需要提交的jar包都可以放到上面统一管理，这样的话，即使扩缩容Flink节点，也能实现s3挂载自动伸缩。
Flink从1.13版本开始，就支持Pod Template，我们可以在Pod Template中利用数据卷挂载的方式再将宿主机目录挂载到每个pod中。从而无需镜像打包而直接在K8s上运行Flink程序。如上图，我们将s3先通过s3-fuse Pod挂载在Node1、Node2的/mnt/data-s3fs目录下，然后再将/mnt/data-s3fs挂载到Pod A中。 但是，因为对象存储随机写入或追加文件需要重写整个对象，导致这种方式仅适合于频繁读。而这刚好满足我们现在的场景。
引入StreamPark
之前我们写Flink Sql 基本上都是使用Java包装Sql，打jar包，提交到s3平台上，通过命令行方式提交代码，但这种方式始终不友好，流程繁琐，开发和运维成本太大。我们希望能够进一步简化流程，将Flink TableEnvironment 抽象出来，有平台负责初始化、打包运行Flink任务，实现Flink应用程序的构建、测试和部署自动化。
这是个开源兴起的时代，我们自然而然的将目光投向开源领域中，在一众开源项目中,经过对比各个项目综合评估发现 Zeppelin 和 StreamPark 这两个项目对Flink的支持较为完善，都宣称支持 Flink on K8s ，最终进入到我们的目标选择范围中，以下是两者在K8s相关支持的简单比较（目前如果有更新，麻烦批评指正）。
| 功能 | Zeppelin | StreamPark |
|---|---|---|
| 任务状态监控 | 稍低 ,不能作为任务状态监控工具 | 较高 |
| 任务资源管理 | 无 | 有 ，但目前版本还不是很健全 |
| 本地化部署 | 稍低 ,on K8s模式只能将Zeppelin部署在K8s中,否则就需要打通pod和外部网络,但是这在生产环境中很少这样做的 | 可以本地化部署 |
| 多语言支持 | 较高 ,支持Python/Scala/Java多语言 | 一般 ,目前K8s模式和YARN模式同时支持FlinkSql,并可以根据自身需求,使用Java/Scala开发DataStream |
| Flink WebUI代理 | 目前还支持的不是很完整 ,主开发大佬目前是考虑整合ingress | 较好 ,目前支持ClusterIp/NodePort/LoadBalance模式 |
| 学习成本 | 成本较低 ,需要增加额外的参数学习，这个和原生的FlinkSql在参数上有点区别 | 无成本 ,K8s模式下FlinkSql为原生支持的sql格式;同时支持Custome-Code(用户编写代码开发Datastream/FlinkSql任务) |
| Flink多版本支持 | 支持 | 支持 |
| Flink原生镜像侵入 | 有侵入 ,需要在Flink镜像中提前部署jar包,会同jobmanage启动在同一个pod中,和zeppelin-server通信 | 无侵入 ,但是会产生较多镜像，需要定时清理 |
| 代码多版本管理 | 支持 | 支持 |
<center style="box-sizing: border-box; font-family: Poppins, sans-serif, -apple-system, BlinkMacSystemFont, "Segoe UI", Roboto, "Helvetica Neue", Arial, "Noto Sans", "Apple Color Emoji", "Segoe UI Emoji", "Segoe UI Symbol", "Noto Color Emoji"; font-size: 16px; font-style: normal; font-variant-ligatures: normal; font-variant-caps: normal; font-weight: 400; letter-spacing: normal; orphans: 2; text-indent: 0px; text-transform: none; white-space: normal; widows: 2; word-spacing: 0px; -webkit-text-stroke-width: 0px; background-color: rgb(255, 255, 255); text-decoration-thickness: initial; text-decoration-style: initial; text-decoration-color: initial; color: gray;">(PS: 此处仅从调研用户角度出发，我们对双方开发都保持极大的尊重)</center>
调研过程中,我们与两者的主开发人员都进行了多次沟通。经过我们反复研究之后，还是决定将 StreamPark 作为我们目前的Flink开发工具来使用。
<center style="box-sizing: border-box; font-family: Poppins, sans-serif, -apple-system, BlinkMacSystemFont, "Segoe UI", Roboto, "Helvetica Neue", Arial, "Noto Sans", "Apple Color Emoji", "Segoe UI Emoji", "Segoe UI Symbol", "Noto Color Emoji"; font-size: 16px; font-style: normal; font-variant-ligatures: normal; font-variant-caps: normal; font-weight: 400; letter-spacing: normal; orphans: 2; text-indent: 0px; text-transform: none; white-space: normal; widows: 2; word-spacing: 0px; -webkit-text-stroke-width: 0px; background-color: rgb(255, 255, 255); text-decoration-thickness: initial; text-decoration-style: initial; text-decoration-color: initial; color: gray;">(StreamPark 官网的闪屏)</center>
经过开发同学长时间开发测试，StreamPark 目前已经具备:
- 完善的Sql校验功能
- 实现了自动build/push镜像
- 使用自定义类加载器,通过Child-first 加载方式 解决了YARN和K8s两种运行模式、支持了自由切换Flink多版本
- 与Flink-Kubernetes进行深度整合，提交任务后返回WebUI，通过remote rest api + remote K8s ，追踪任务执行状态
- 同时支持了 Flink1.12、1.13、1.14 等版本
以上基本解决了我们目前开发和运维中存在的大部分问题。
在目前最新发布的1.2.0版本中，StreamPark较为完善的支持了K8s-Native-Application和K8s-session-Application模式。
K8s Native Application 模式
在StreamPark中，我们只需要配置相应的参数，并在Maven pom中填写相应的依赖，或者上传依赖jar包，点击Apply，相应的依赖就会生成。这就意味着我们也可以将所有使用的Udf打成jar包 and 各种 connector.jar，直接在sql中使用。如下图:
[图片上传中...(image-9903e2-1676355289636-7)]
Sql校验能力和 Zeppelin基本一致:
我们也可以指定资源，指定Flink Run中的动态参数Dynamic Option，甚至参数可以整合pod template
程序保存后，点击运行时，也可以指定savepoint。任务提交成功后，StreamPark会根据FlinkPod网络Exposed Type(loadBalancer/Nodeport/ClusterIp),返回相应的WebURL，从而自然的实现WebUI跳转,但是目前因为线上私有K8s集群出于安全性考虑,尚未打通Pod与客户端节点网络（目前也没有这个规划），所以我们只使用Nodeport。如果后续任务数过多，有使用ClusterIP的需求的话，我们可能会将StreamPark 部署在K8s，或者同ingress做进一步整合。
注意：K8s master 如果使用vip做均衡代理的情况下，Flink 1.13版本会返回vip的ip地址，1.14版本已经修复。 下面是K8s Application模式下具体提交流程
K8s Native Session 模式
StreamPark还较好的支持了 K8s Native-Sesson模式 ，这为我们后续做离线FlinkSql开发或部分资源隔离做了较好的技术支持。
Native-session模式需要事先使用Flink命令创建一个运行在K8s中的Flink集群,如下:
./kubernetes-session.sh \-Dkubernetes.cluster-id=flink-on-k8s-flinkSql-test \-Dkubernetes.context=XXX \-Dkubernetes.namespace=XXXX \-Dkubernetes.service-account=XXXX \-Dkubernetes.container.image=XXXX \-Dkubernetes.container.image.pull-policy=Always \-Dkubernetes.taskmanager.node-selector=XXXX \-Dkubernetes.rest-service.exposed.type=Nodeport
如上图，使用该ClusterId作为StreamPark的任务参数Kubernetes ClusterId。保存提交任务后，任务会很快处于Running状态
我们顺着application info的WebUI点击跳转
可以看到，其实StreamPark是将jar包通过Rest Api上传到Flink集群上，并调度执行任务的。
Custom Code模式
另我们惊喜的是，StreamPark 还支持代码编写DataStream/FlinkSql任务。对于特殊需求，我们可以自己写Java/Scala实现。可以根据StreamPark推荐的脚手架方式编写任务，也可以编写一个标准普通的Flink任务，通过这种方式我们可以将代码管理交由Git实现，平台可以用来自动化编译打包与部署。当然，如果能用Sql实现的功能，我们会尽量避免自定义DataStream，减少不必要的运维麻烦。
4. 意见和规划
改进意见
当然StreamPark还有很多需要改进的地方，就目前测试来看：
- 资源管理还有待加强 多文件系统jar包等资源管理功能尚未添加，任务版本功能有待加强。
- 前端buttern 功能还不够丰富 比如任务添加后续可以增加复制等功能按钮。
- 任务提交日志也需要可视化展示 任务提交伴随着加载class文件，打jar包，build镜像，提交镜像，提交任务等过程，每一个环节出错，都会导致任务的失败，但是失败日志往往不明确，或者因为某种原因导致异常未正常抛出，没有转换任务状态，用户会无从下手改进。
众所周知，一个新事物的出现一开始总会不是那么完美。尽管有些许问题和需要改进的point，但是瑕不掩瑜，我们仍然选择StreamPark作为我们的Flink DevOps，我们也将会和主开发人员一道共同完善StreamPark，也欢迎更多的人来使用，为StreamPark带来更多进步。
未来规划
我们会继续跟进doris，并将业务数据 + 日志数据统一入doris，通过Flink实现湖仓一体；
我们也会逐步将探索StreamPark同dolphinscheduler 2.x进行整合，完善dolphinscheduler离线任务，逐步用Flink 替换掉Spark，实现真正的流批一体；
基于我们自身在s3上的探索积累，fat-jar包 build 完成之后不再构建镜像，直接利用Pod Tempelet挂载pvc到Flink pod中的目录，进一步优化代码提交流程；
将StreamPark持续应用到我们生产中，并汇同社区开发人员，共同努力，增强StreamPark在Flink流上的开发部署能力与运行监控能力，努力把StreamPark打造成一个功能完善的流数据 DevOps。
附:
StreamPark Github: https://github.com/apache/incubator-streampark
Doris Github: https://github.com/apache/incubator-doris
