一、提交flink任务到yarn。
./flink run -m yarn-cluster -yn 1 -p 2 -yjm 1024 -ytm 1024 -ynm FlinkOnYarnSession-MemberLogInfoProducer -d -c /home/test_gjm/igg-flink-tool/igg-flink-tool-1.0.说明：
- -m yarn-cluster 在yarn上运行独立的flink job
- -yn 申请的TaskManager数量，目前已废弃，参数不生效
- -p 并发数，即槽数
- -yjm 申请的JobManager的内存大小
- -ytm 申请的每个TaskManager的内存大小
- -ynm yarn application 显示的名称
- -d 使用分离模式，后续取消任务，需要使用yarn application
- -c 类名
二、通过Yarn UI 进入 Flink UI
说明：
TaskManager=1，Task Slots=2，分别与任务参数一一对应。Available Task Slots=0，因在中，设置了
: 2所以，可用槽数为0。
三、Task Manager
可以看到，TM运行在230机器以及机器的一些配置信息。登陆230机器，查看TM进程。
四、Job Manager。
可以看到，TM运行在229机器以及flink一些配置信息。登陆230机器，查看JM进程。
其次，还可以切换到logs和stdout，分别查看日志文件数据 和 控制台输出。
说明：
- 当日志输出很多的时候，打开这里的页面会很慢，甚至卡死。所以线上的时候，一定不要输出一些无关紧要的日志。
如果非要看卡死的日志，可以到yarn配置的临时日志目录去查看。
<property>
<name>-dirs</name>
<value>/home/hadoop/yarn_dir/log</value>
<description>
Comma-separated list of paths on the local filesystem where logs are written. Multiple paths help spread disk i/o.
</description>
</property>
tail -f
五、Submit new Job。
对于独立模式和yarn-session模式，可以通过此ui操作来提交任务。对于独立job的flink只能通过命令。
六、checkpoint 的查看。
通过观察 checkpoint 记录，我们可以观察任务的运行情况。如果 checkpoint status 失败、或者时间较长，等等，说明程序存在
调整的地方，如 checkpoint 的数据过大，则可使用增量的方式，或者代码需要进行调优处理。如 checkpoint 时间较长，可改用
memory/rockdb 等存储。
七、背压情况。
当DAG的某个过程的背压状态为 low 或者 high 时，则说明下游的处理速度不及上游的输出速度。也就是说 下游的处理是整个任务的瓶颈所在，需要进行优化处理。
八、Task Metrics 的使用
可以根据需要，对DAG的某个过程的输入和输出情况进行观察，便于发现和排查问题。
【一起学习】