*本文最初发布于yelp工程博客，由InfoQ中文站翻译并分享。*

在Yelp，我们每天使用Apache Flink处理TB级的流数据，为各种各样的应用提供支持：ETL管道、推送通知、机器人过滤、Session化等等。我们运行成百上千的Flink作业，因此，如果没有适当程度的自动化，像部署、重启和保存点这样的常规操作会花费开发人员数千小时的时间。最近，我们的工具室中增加了一个新的流处理平台，它基于Yelp的PaaS服务PaaSTA。其核心是一个KubernetesOperator，它自动监视我们的Flink集群的fleet部署和生命周期。

Flink on PaaSTA on Kubernetes

引入Kubernetes之前

在Yelp引入Kubernetes之前，Yelp的Flink工作负载运行在专用的AWSElasticMapReduce集群上，这些集群预装了Flink和YARN。为了实现EMR实例与Yelp生态系统其余部分的良好协同，我们之前的流处理平台Cascade在一个Docker容器中运行大量的Puppet单体，以应用配置并启动一组常见的守护进程（在Yelp几乎所有的主机上运行）。