kubectl apply -f session-deployment-only.yaml
kubectl get all -n flink

kubectl get all -n ingress-nginx -owide

# Flink Session集群 源码请到 https://bigdataonk8s.com 获取
apiVersion: flink.apache.org/v1beta1
kind: FlinkDeployment
metadata:
  namespace: flink
  name: session-deployment-only
spec:
  image: flink:1.13.6
  flinkVersion: v1_13
  imagePullPolicy: IfNotPresent   # 镜像拉取策略，本地没有则从仓库拉取
  ingress:   # ingress配置，用于访问flink web页面
    template: "flink.k8s.io/{{namespace}}/{{name}}(/|$)(.*)"
    className: "nginx"
    annotations:
      nginx.ingress.kubernetes.io/rewrite-target: "/$2"
  flinkConfiguration:
    taskmanager.numberOfTaskSlots: "2"
  serviceAccount: flink
  jobManager:
    replicas: 1
    resource:
      memory: "1024m"
      cpu: 1
  taskManager:
    replicas: 1
    resource:
      memory: "1024m"
      cpu: 1

# Flink作业  源码请到 https://bigdataonk8s.com 获取
apiVersion: flink.apache.org/v1beta1
kind: FlinkSessionJob
metadata:
  namespace: flink
  name: session-job-only
spec:
  deploymentName: session-deployment-only  # 需要与创建的集群名称一致
  job:
    jarURI: http://192.168.56.85:8080/jars/flink/flink-on-k8s-demo-1.0-SNAPSHOT.jar # 使用http方式下载jar包
    entryClass: com.yale.StreamWordCount
    args:
    parallelism: 1  # 并行度
    upgradeMode: stateless

在yaml文件里有三处地方需要特别注意，首先是开头部分定义了资源的类型为FlinkSessionJob；其次，spec.deploymentName需要与前面创建的Flink集群名字一致，否则Flink作业（或拟启动的TaskManager）会因为找不到JobManager而无法启动；最后，job.jarURI指向了Flink作业Jar包的下载地址，切记TaskManager Pod与Tomcat的网络一定要联通，job.entryClass则为Flink作业的启动类名称。

第四步，运行Flink集群和Flink作业，使用如下命令提交Flink集群和Flink作业yaml文件到Kubernetes运行，并查看Pod的创建情况。

kubectl apply -f session-deployment-only.yaml 
kubectl apply -f session-job-only.yaml
kubectl get all -n flink -owide

在nc发送一些测试字符串，使用以下命令查看Flink作业的输出结果。

kubectl logs session-deployment-only-taskmanager-1-1 -n flink

如果要终止Flink作业和Flink集群运行，使用如下命令即可。

kubectl delete -f session-deployment-only.yaml 
kubectl delete -f session-job-only.yaml

3、两种方式的选择

Session部署模式的2种作业提交方式的最大区别在于Flink作业Jar包的获取方式不同，它们特点在本文开头部分已作介绍，此处不再赘述，这里想表达的是，Session部署模式的2种作业提交方式优缺点并不明显，各有适用的场景，大家按照自己的实际情况选择即可。

四、Application模式和Session模式的选择

关于Application模式和Session模式的选择，大家可以参考如下策略。

Application模式和Session模式两者最大区别在于集群的生命周期和资源管理隔离程度的不同，因此，对于核心、优先级高和需要高保障的这类作业推荐使用Application模式。而那些对保障性要求相对不高，或者出于运维管理便利的考量，例如需要通过外部系统通过调用Flink Restful接口管理作业的提交和启停，那么可以考虑使用Session模式。如果对于作业的归属模棱两可，那么建议直接使用Application模式，也就是说，把Application模式作为Flink On K8s运行模式的默认选项。

五、结语

通过Flink On K8s实践系列文章，相信大家已经了解了Flink Kubernetes Operator的特点和用途，通过动手实践安装Flink Kuberntes Operator，开发StreamWordCount程序，体验了Application和Session  2种部署模式下共4种作业的提交方式，掌握了Flink作业在Kubernetes上的运行方式，直观地看到JobManager和TaskManager Pod的创建和释放过程。

通过这部分的学习，相信大家已基本理解了Flink On K8s，并掌握了Flink On K8s的基本配置和部署。但这只是刚开始，要将Flink On K8s真正应用到生产环境，还需要掌握其他更多的知识，例如Flink Kubernetes Operator的高可用部署，Flink 作业的高可用运行以及与Hadoop和CDH集成等内容，这些内容在bigdataonk8s里有完整的视频和笔记进行详细讲解说明，欢迎大家前往观看，在此感谢大家的支持。

与Flink On K8s实践系列文章配套的课程视频，可以前往以下视频平台查看：

B站：Flink On K8s实战 

西瓜视频：Flink On K8s实战