最近做了一个将结果数据写入到Kafka的需求，sink部分代码如下：

val kafkaProducer: FlinkKafkaProducer011[String] = new FlinkKafkaProducer011[String]( sinkTopic, new StringKeyedSerializationSchema,producerConfig, sinkSemantic) ds.addSink(kafkaProducer).setParallelism(sinkParallelism)

其中StringKeyedSerializationSchema是自定义的实现KeyedSerializationSchema的序列化器，用于序列化写入kafka的key/value, 任务也上线了，在flink web页面看到任务各项指标一切正常，也测试消费写入kafka的数据，得到的结果也如预期一样，想着万事大吉了，so easy~

过了一会kafka中间件的同事找过来说：你这个写入topic的数据怎么只有这几个分区，其他分区都没有数据写入~


什么情况？任务看着一切都ok啊，怎么就有分区没有数据写入呢？马上google一下数据写入kafka的分区策略：

  1. 如果指定写入分区，就将数据写入分区
  2. 如果没有指定分区，指定了key, 那么就会按照key hash对分区取模方式发送
  3. 如果既没指定分区又没指定key,那么就会以轮序的方式发送

而实际情况是有几个分区一条数据都没有写入，并且在StringKeyedSerializationSchema也指定了每条写入数据的key, 那么就一定是第一种情况了，在FlinkKafkaProducer011中指定了数据写入的分区，马上翻看源码，在FlinkKafkaProducer011的invoke方法里面有这么一个逻辑：

if (flinkKafkaPartitioner != null) { record = new ProducerRecord<>( targetTopic, flinkKafkaPartitioner.partition(next, serializedKey, serializedValue, targetTopic, partitions), timestamp, serializedKey, serializedValue); } else { record = new ProducerRecord<>(targetTopic, null, timestamp, serializedKey, serializedValue); }

很明显就是执行了if逻辑，也是就flinkKafkaPartitioner不为空，在构建ProducerRecord时调用了flinkKafkaPartitioner.partition的方法，指定写入的partition，而flinkKafkaPartitioner是在FlinkKafkaProducer011初始化的时候给的默认值FlinkFixedPartitioner，在看下其partition方式：

partitions[parallelInstanceId % partitions.length]

parallelInstanceId表示当前task的index，partitions表示kafka的topic的分区，该逻辑求得的分区就是根据当前task index 对partition取余得到的，而我设置的sinkParallelism是4，topic的分区数是6，到这里就比较明朗，取余永远不会得到4、5，所以就导致分区4、5一直没有数据写入。如果设置的parallism设置比kafka的分区数还要大，就会导致得到的partition值大于topic实际partition。

那么解决方式有一下几种：

  1. parallism设置成为与kafka topic 分区数一致大小
  2. 将flinkKafkaPartitioner指定为空，并且制定写入kafka的key
  3. 将flinkKafkaPartitioner与写入的key都置为空
  4. 自定义一个FlinkKafkaPartitioner，重写partition方法

最终选择第三种较为简单的方案，修改代码：

val kafkaProducer: FlinkKafkaProducer011[String] = new FlinkKafkaProducer011[String]( sinkTopic, new StringKeyedSerializationSchema,producerConfig,Optional.ofNullable(null), sinkSemantic,5)

同时将StringKeyedSerializationSchema的serializeKey返回值设置为null. 再次运行任务，查看kafka 数据写入情况，所有分区都有数据写入。最终破案。