FlinkSQL sink 到 kafka 中的分区分配规则

场景

直接用 FlinkSQL 实现消费kafka中的数据,并经过一系列转换后sink到kafka另一个topic中。

INSERT INTO kafka_sink_table SELECT xxx FROM kafka_source_table

​​Flink SQL​​​的​​kafka connector​​​里有一个参数​​sink.partitioner​​​ ​​¹​​，如下：

• • 
    
• fixed:每个Flink分区最多分配到一个Kafka分区中。
• round-robin: Flink分区轮询被分配到Kafka分区中。
• 自定义FlinkKafkaPartitioner子类:例如，“org.mycompany.MyPartitioner”
  • 
    

flink kafka sink 默认分区器 FlinkFixedPartitioner 原理与注意​​²​​

package org.apache.flink.streaming.connectors.kafka.partitioner;

import org.apache.flink.util.Preconditions;

public class FlinkFixedPartitioner<T> extends FlinkKafkaPartitioner<T> {
    private int parallelInstanceId;

    public FlinkFixedPartitioner() {
    }

    public void open(int parallelInstanceId, int parallelInstances) {
        Preconditions.checkArgument(parallelInstanceId >= 0, "Id of this subtask cannot be negative.");
        Preconditions.checkArgument(parallelInstances > 0, "Number of subtasks must be larger than 0.");
        this.parallelInstanceId = parallelInstanceId;
    }

    public int partition(T record, byte[] key, byte[] value, String targetTopic, int[] partitions) {
        Preconditions.checkArgument(partitions != null && partitions.length > 0, "Partitions of the target topic is empty.");
        return partitions[this.parallelInstanceId % partitions.length];
    }
}

根据源码可以看出：

flink是根据sink的subtask的id和kafka的partition数量进行取余计算的，计算过程如下：

• • 
    
• flink并行度为3（F0，F1，F2），partition数量为2（P0，P1），则F0->P0,F1->P1,F2->P0
  
• flink并行度为2（F0，F1），partition数量为3（P0，P1，P2），则F0->P0,F1->P1
  
  • 
    

因此默认分区器会有2个坑：

• • 
    
• 当 Sink 的并发度低于 Topic 的 partition 个数时，一个 sink task 写一个 partition，会导致部分 partition 完全没有数据。
  
• 当 topic 的 partition 扩容时，则需要重启作业，以便发现新的 partition。
  
  • 
    

---