---

title: “Python REPL” nav-parent_id: ops nav-pos: 7

Flink附带了一个集成的交互式Python Shell。 它既能够运行在本地启动的local模式，也能够运行在集群启动的cluster模式下。

为了使用Flink的Python Shell，你只需要在Flink的binary目录下执行:

{% highlight bash %} bin/pyflink-shell.sh local {% endhighlight %}

关于如何在一个Cluster集群上运行Python shell，可以参考启动章节介绍。

使用

当前Python shell支持Table API的功能。 在启动之后，Table Environment的相关内容将会被自动加载。 可以通过变量“bt_env”来使用BatchTableEnvironment，通过变量“st_env”来使用StreamTableEnvironment。

Table API

下面是一个通过Python Shell 运行的简单示例:

启动

查看Python Shell提供的可选参数，可以使用:

{% highlight bash %} bin/pyflink-shell.sh --help {% endhighlight %}

Local

Python Shell运行在local模式下，只需要执行:

{% highlight bash %} bin/pyflink-shell.sh local {% endhighlight %}

Remote

Python Shell运行在一个指定的JobManager上，通过关键字remote和对应的JobManager 的地址和端口号来进行指定:

{% highlight bash %} bin/pyflink-shell.sh remote {% endhighlight %}

Yarn Python Shell cluster

Python Shell可以运行在YARN集群之上。YARN的container的数量可以通过参数-n <arg>进行 指定。Python shell在Yarn上部署一个新的Flink集群，并进行连接。除了指定container数量，你也 可以指定JobManager的内存，YARN应用的名字等参数。 例如，在一个部署了两个TaskManager的Yarn集群上运行Python Shell:

{% highlight bash %} bin/pyflink-shell.sh yarn -n 2 {% endhighlight %}

关于所有可选的参数，可以查看本页面底部的完整说明。

Yarn Session

如果你已经通过Flink Yarn Session部署了一个Flink集群，能够通过以下的命令连接到这个集群:

{% highlight bash %} bin/pyflink-shell.sh yarn {% endhighlight %}

完整的参考

{% highlight bash %} Flink Python Shell 使用: pyflink-shell.sh [local|remote|yarn] [options] ...

命令: local [选项] 启动一个部署在local的Flink Python shell 使用: -h,--help 查看所有可选的参数 命令: remote [选项] 启动一个部署在remote集群的Flink Python shell JobManager的主机名 JobManager的端口号

使用: -h,--help 查看所有可选的参数

命令: yarn [选项] 启动一个部署在Yarn集群的Flink Python Shell 使用: -h,--help 查看所有可选的参数 -jm,--jobManagerMemory 具有可选单元的JobManager 的container的内存（默认值：MB) -n,--container 需要分配的YARN container的 数量 (=TaskManager的数量)
-nm,--name 自定义YARN Application的名字 -qu,--queue 指定YARN的queue
-s,--slots 每个TaskManager上slots的数量
-tm,--taskManagerMemory 具有可选单元的每个TaskManager 的container的内存（默认值：MB） -h | --help 打印输出使用文档 {% endhighlight %}

{% top %}