Flink源码解读--FlinkKafkaProducer09

1、简介

之前介绍过FlinkKafkaConsumer09，这次来看FlinkKafkaProducer09.

最近工作中遇到，所以在这里算是做个简单的记录，内容很简单，没什么深入的东西。

2、FlinkKafkaProducer09

Flink提供了6种kafka producer方法：

FlinkKafkaProducer09（brokerList，topicId，SerializationSchema）
FlinkKafkaProducer09（topicId，SerializationSchema，producerConfig）
FlinkKafkaProducer09（topicId，SerializationSchema，producerConfig，KafkaPartitioner）

FlinkKafkaProducer09（brokerList，topicId，KeyedSerializationSchema）
FlinkKafkaProducer09（topicId，KeyedSerializationSchema，producerConfig）
FlinkKafkaProducer09（topicId，KeyedSerializationSchema，producerConfig，KafkaPartitioner）

其中，前3种的SerializationSchema都通过KeyedSerializationSchemaWrapper类转换为了KeyedSerializationSchema。

    @Override
    public byte[] serializeKey(T element) {
        return null;
    }

    @Override
    public byte[] serializeValue(T element) {
        return serializationSchema.serialize(element);
    }

    @Override
    public String getTargetTopic(T element) {
        return null; // we are never overriding the topic
    }

而如果指定KeyedSerializationSchema，则需要覆写如何序列化key及value。

producerConfig的配置，官方建议只设置bootstrap.servers。当然如果设置了key.serializer和value.serializer也是可以的。在处理producerConfig时，Flink也是先判断producerConfig中是否设置了这两项，如果没有设置，则默认为：ByteArraySerializer。

        // set the producer configuration properties.
        if (!producerConfig.contains(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG)) {
            this.producerConfig.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, ByteArraySerializer.class.getCanonicalName());
        } else {
            LOG.warn("Overwriting the '{}' is not recommended", ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG);
        }

        if (!producerConfig.contains(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG)) {
            this.producerConfig.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG, ByteArraySerializer.class.getCanonicalName());
        } else {
            LOG.warn("Overwriting the '{}' is not recommended", ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG);
        }

KEY_SERIALIZER_CLASS_CONFIG对应key.serializer；
VALUE_SERIALIZER_CLASS_CONFIG对应value.serializer

如果没有指定KafkaPartitioner，则会通过FixedPartitioner来给出默认的partitioner方法：

    @Override
    public void open(int parallelInstanceId, int parallelInstances, int[] partitions) {
        if (parallelInstanceId < 0 || parallelInstances <= 0 || partitions.length == 0) {
            throw new IllegalArgumentException();
        }

        this.targetPartition = partitions[parallelInstanceId % partitions.length];
    }

    @Override
    public int partition(T next, byte[] serializedKey, byte[] serializedValue, int numPartitions) {
        if (targetPartition >= 0) {
            return targetPartition;
        } else {
            throw new RuntimeException("The partitioner has not been initialized properly");
        }
    }

下面重点说说这个默认的partitioner方法。

parallelInstanceId代表着Flink producer程序的并行度ID，假如FlinkKafkaProducer09的并行度是4，那么这4个线程的ID分别是1,2,3,4.
parallelInstances代表着总的并行度，即4.
partitions是一个kafka partition的数组，例如发送到kafka的topic的partition是12。

那么Flink到底是根据什么把数据发送到不同的partition的呢？Flink中也有个partitions的概念，说白了就是并行度，而其partition的规则，就是Flink的并行度ID除以kafka partition length取余。

继续上边的例子，当线程号为1时，1 % 12 = 1，即凡是Flink中线程号为1的发送的数据都到了kafka中编号为1的partition中；
当线程号为2时，2 % 12 = 2，即凡是Flink中线程号为2的发送的数据都到了kafka中编号为2的partition中；
当线程号为3时，3 % 12 = 3，即凡是Flink中线程号为3的发送的数据都到了kafka中编号为3的partition中。。。。。

由此我们总结出：
如果Flink的并行度小于要发送kafka topic的partition数量，则Flink线程对应kafka partition的关系如下：

如果Flink的并行度大于要发送kafka topic的partition数量，则Flink线程对应kafka partition的关系如下：

由此可见，默认的partition策略是按照Flink的并行度ID与kafka中partition的数量取余的方法分配的，而与数据本身没有关系。

如果你的partition策略不想按照Flink并行度划分，那么也可以覆写自己的customPartitioner。

最后的执行，是在FlinkKafkaProducerBase类中，检验输入的4个参数是否为空，获取key.serializer以及value.serializer。最后获取kafka中topic的partition数量，执行partition策略，调用kafka producer接口，发送数据。

public FlinkKafkaProducerBase(String defaultTopicId, KeyedSerializationSchema<IN> serializationSchema, Properties producerConfig, KafkaPartitioner<IN> customPartitioner)

3、验证

我用上边producer的第5种方式，即：

FlinkKafkaProducer09（topicId，KeyedSerializationSchema，producerConfig）

测试了FlinkKafkaProducer09不同的并行度时，发送到kafka中partition的情况。

先来看第一种（并行度是1，kafka中TX_TEST3的partition数为4）：

txStream.addSink(new FlinkKafkaProducer09[TX]("TX_TEST3", new TransactionKeyedSerializationSchema("TX_TEST3"),props)).setParallelism(1)

发送前的信息：
。
发送后的信息：
。
这次producer，只发送到了1个partition。

再来看第二种测试（并行度是4，kafka中TX_TEST2的partition数为4）：

txStream.addSink(new FlinkKafkaProducer09[TX]("TX_TEST2", new TransactionKeyedSerializationSchema("TX_TEST2"),props)).setParallelism(4)

发送前的信息：

发送后的信息：

这次producer，发送到了4个partition。

这可以看出，默认的FixedPartitioner其实是按照并行度来发送到partition的。

4、总结

Flink在向kafka produce数据时，其并行度最好大于等于要发送topic的partition数量，这样可以保证每个partition都有数据，最大化吞吐量。除非自定义partitioner。