我有一个将数据接收到 Kafka 主题的流作业,还有另一个使用 kafka 主题中的数据的流作业。我的Kafka集群的分区号的配置是
3
。
当我将作业的并行度设置为
4
时,只有 3 个插槽忙于生成数据,并且只有 3 个消费者子任务获取数据。
考虑到任务槽数量的限制,我想把并行度改成
1
。然而,当我将作业的并行度设置为1
时,只有1 consumer task slot
获得了数据。
在我看来,即使我将并行度设置为1,我仍然将数据下沉到3个分区中,并且可以有3个消费者子任务消费数据。
为什么只有一个消费者子任务在这里工作?
Flink 将存储分区与计算分区解耦。
每个 Kafka 分区只能由一个
KafkaSource
子任务消耗,但 KafkaSource
可以从一个或多个分区消耗。给定一个具有 3 个分区的主题,最多可以为 3 个 KafkaSource 分配工作。
并行度设置为1时,只会使用1个slot,并且该slot只能有1个KafkaSource(和1个KafkaSink)。但一个消费者可以处理所有 3 个分区。如果并行度设置为 3,则 3 个消费者可能很忙,每个消费者在自己的槽中处理一个分区。当并行度设置为 4 时,一个槽将有一个空闲的 Kafka 消费者。
在接收器中,默认情况下
KafkaSink
的每个实例将以循环方式写入每个分区。如果您希望控制每条记录写入哪个分区,您可以提供自定义 FlinkKafkaPartitioner
,或者您可以使用 KafkaSerializationSchema
并为每个 ProducerRecord
指定分区。