FlinkSQL作业运行几天后自动退出，可规律复现，怎么办？

首先大致了解一下什么是AM、RM

• AM：Yarn组件ApplicationMaster（简写AM），AM与每个具体任务对应，负责管理任务的整个生命周期内的所有事宜

• RM：Yarn组件ResourceManager（简写RM），负责管理分配全局资源

为什么Yarn的 AM 与 RM 无法通信会导致Flink任务失败

• 先看一下Flink on Yarn 运行流程图

  
  

  • 第一步：Flink client（同时也是 YARN client)会先上传作业依赖（jar包及配置）到 HDFS。

  • 第二步：Flink client向Yarn RM发送请求，申请一个Yarn Container去启动AM。

  • 第三步：Yarn RM会在NodeManager上分配一个Container，启动AM，其中包括了 Flink JobManager。Yarn NodemManager会将配置文件和jar包下载到对应的container中，进行container容器的初始化,初始化完成后AM构建完成。AM会为TaskManagers生成新的Flink配置文件

  • 第四步：AM为该Flink应用的TaskManagers分配containers，这个过程会从HDFS上下载jar和配置文件（此处的配置文件是AM修改过的，包含了JobManager的一些信息，比如说JobManager的地址）并启动container。

综上所述，Yarn AM 与Flink JobManager在同一个container中，当AM与RM因为Token不被认可无法连接的时候，AM无法在一定时间(10min)内未汇报心跳信息，RM则认为它死掉了，它上面的所有正在运行的Container将被设置为失败状态，Flink JobManager也被终止，从而导致Flink作业运行失败自动退出。