Managing Optimizers

随着业务发展，需要 optimizer 的表越来越多，你需要扩容你的 optimizer 资源。反之，如果一开始创建了过多的 optimizer 资源，你可以释放掉部分来减少资源占用。在此之前，你需要先点击 Optimizers , 进入到管理页面。 optimizer-manage

Optimizer Container

在使用 Self-optimizing 前，需要在配置文件中配置 container 类型和 optimize group。container 本身不是服务，它只代表了一组具体的运行环境配置，以及在该运行环境下 optimizer 的调度方案，目前 optimizer container 包括 flink、local、external 三种类型。

LocalContainer

Local Container 的 type 为 local，它通过本地进程方式启动 Optimizer 的一种方式，支持 Optimizer 任务的多线程执行。建议只使用在演示阶段或本地部署的场景下。如果没有配置 jdk 的环境变量，用户可以配置 java_home 指向 jdk 根目录。如果已经配置了，可以忽略这个配置项。

containers:
  # arctic optimizer container config.sh
  - name: localContainer
    type: local
    properties:
      java_home: /opt/java   # jdk enviroment

FlinkContainer

Flink Container 的 type 为 flink, 是通过 Flink 作业启动 Optimizer 的一种方式，借助 Flink 可以方便地将 Optimizer 部署在 yarn 集群上，从而支持大规模数据场景下的使用。使用 flink 类型需要添加 type 为 flink 的 container，container 的配置项包括:

FLINK_HOME，下载 Flink 安装包并解压缩。以 Flink-1.12.7 为例，下载 https://archive.apache.org/dist/flink/flink-1.12.7/flink-1.12.7-bin-scala_2.12.tgz , 假设解压缩到 /opt/ 目录下，那么配置值 /opt/flink-1.12.7/
因为 Flink 发行包已经不会带 hadoop 兼容包 flink-shaded-hadoop-2-uber-x.y.z.jar，需要用户额外下载并且把它拷贝到 FLINK_HOME/lib 目录下。 flink-shaded-hadoop-2-uber-2.7.5-10.0.jar 一般就可以满足要求，下载地址：https://repo.maven.apache.org/maven2/org/apache/flink/flink-shaded-hadoop-2-uber/2.7.5-10.0/flink-shaded-hadoop-2-uber-2.7.5-10.0.jar
HADOOP_CONF_DIR，存放 hadoop 集群的配置文件（包括 hdfs-site.xml，core-site.xml，yarn-site.xml )。如果 hadoop 集群开启了kerberos认证，需要额外准备 krb5.conf 和用来提交任务的用户的 keytab 文件
JVM_ARGS，可以配置 flink 运行额外配置的参数，这里以配置 krb5.conf 为例，通过 -Djava.security.krb5.conf=/opt/krb5.conf 指定 Flink 提交时使用的 krb5.conf 的地址
HADOOP_USER_NAME，用来向 yarn 提交任务使用的用户名

FLINK_CONF_DIR， flink_conf.yaml 所在的目录

containers:
  - name: flinkContainer
    type: flink
    properties:
      FLINK_HOME: /opt/flink/        #flink install home
      HADOOP_CONF_DIR: /etc/hadoop/conf/       #hadoop config dir
      HADOOP_USER_NAME: hadoop       #hadoop user submit on yarn
      JVM_ARGS: -Djava.security.krb5.conf=/opt/krb5.conf       #flink launch jvm args, like kerberos config when ues kerberos
      FLINK_CONF_DIR: /etc/hadoop/conf/        #flink config dir

ExternalContainer

External Container 的 type 为external, 从 0.4.0 开始，支持在用户从 AMS 外提交 optimizer 任务，前提是用户需要在配置文件中添加一个 external 类型的 container。

containers:
   - name: externalContainer
     type: external
     properties:

用户可以在自己的 Flink 任务开发平台或者本地 Flink 环境通过以下配置提交 optimizer 任务。主要参数包括：

flink run -m yarn-cluster  -ytm {EXECUTOR_TASKMANAGER_MEMORY} -yjm {EXECUTOR_JOBMANAGER_MEMORY}  -c com.netease.arctic.optimizer.flink.FlinkOptimizer  {ARCTIC_HOME}/plugin/optimize/OptimizeJob.jar -a {AMS_THRIFT_SERVER_URL} -qn {OPTIMIZE_GROUP_NAME} -p {EXECUTOR_PARALLELISM} -m {EXECUTOR_MEMORY}  --heart-beat 60000

Optimizer Group

Optimizer Group (Optimizer 资源组)是为了划分 Optimizer 资源而引入的概念，一个 Optimizer Group 可以包含若干个具有相同 container 类型的 optimizer，方便对该资源组进行扩缩容。 - name， optimize group 名称，可以在前端页面 optimizer group 列表看到。 - container， containers 里配置的某一个 container 的名称 - properties，这个 group 下的默认配置，当在 optimize 页面进行 scale out 扩容的时候，会作为任务的配置参数。

optimize_group:
  - name: flinkOp
    # container name, should be in the names of containers  
    container: flinkContainer
    properties:
      taskmanager.memory: 2048
      jobmanager.memory: 1024

Optimizers 扩缩容

用户可以在 dashboard 的 optimizers 模块中点击右上角 Scale-Out 实现快速扩容，通过 Resource Group 设置要扩容的 optimizer group，通过 Parallelism 配置单个 optimizer 任务的并发度，点击 OK 完成创建。列表中会新加一条状态为STARTING的记录，如果运行正常，刷新页面会状态会变成RUNNING。 optimize-scale-out 也可以由用户在自己的调度平台中灵活地提交 Optimizer 任务，Optimizer 任务本身需要的参数说明请参考 Deployment 里的 external 配置。

用户可以在 dashboard 的 optimizers 的Optimizers 列表中，点击记录后的 release 释放这个 optimizer 任务。 release optimizer

注意

当前仅支持释放通过 dashboard 扩容的 optimizer 任务。

参数	说明
-ytm EXECUTOR_TASKMANAGER_MEMORY	Flink 任务 TM 内存大小
-yjm EXECUTOR_JOBMANAGER_MEMORY	Flink 任务 JM 内存大小
ARCTIC_HOME	Arctic 根目录
-a AMS_THRIFT_SERVER_URL	AMS 的 thrift 服务地址，比如：thrift://10.196.98.23:18112，可从 config.yaml 的配置中获取。
-qn OPTIMIZE_GROUP_NAME	optimize group 的名称，在 config.yaml 有配置，也可在前端 Optimizer-->Optimizer group里查看，这个 group 里的 container 必须是 external 类型的。
-p EXECUTOR_PARALLELISM	Flink 任务并行度
-m EXECUTOR_MEMORY	执行内存，包含 Flink 任务的 JM 的内存和 TM 的内存的总和，用来上报给 AMS 来统计 optimizer 的资源占用。
--heart-beat	optimizer 心跳上报间隔，