Flink从Kafka 0.8中读取多个Topic时的问题

    Flink提供了FlinkKafkaConsumer08，使用Kafka的High-level接口，从Kafka中读取指定Topic的数据，如果要从多个Topic读取数据，可以如下操作：

1.application.conf中配置

   如果使用了配置管理库typesafe.config，可以在其application.conf按如下方式配置List类型的元素：

myToicList:["t1","t2","t3"]

2.读取配置文件

object MyFlinkConfig {
  import com.typesafe.config.{ Config, ConfigFactory }
  import net.ceedubs.ficus.Ficus._


  def apply(): MyFlinkConfig = apply(ConfigFactory.load)

  def apply(applicationConfig: Config): MyFlinkConfig = {

    val config = applicationConfig.getConfig("MyFlinkConfig")

    new MyFlinkConfig (config.as[List[String]]("myTopicList"))
  }
}

case class MyFlinkConfig (myTopicList: List[String]) extends Serializable {}

3.读取多个Topic

 因为FlinkKafkaConsumer08使用Java实现的，而MyFlinkConfig 中的List是Scala的List，所以要将Scala的List转为Java的List

val config =MyFlinkConfig()

import scala.collection.JavaConversions._

val kafkaConsumer=new FlinkKafkaConsumer08[MonitorDataRecord](config.myTopicList, new SimpleStringSchema(), kafkaProps)

 

4.遇到的问题

4.1 如果要读取的Topic不存在，则应用程序直接报错，因此Topic在配置文件中配置时一定要正确

4.2 如果要读取的Topic列表中，其中一个在Kafka中没有数据，而你又基于Event Time提取Timestamp并且设置Watermark，会导致整个Topic列表都没法基于时间窗口触发操作，解决方案：

    先rebalance，然后再设置水位：   

    val monitorSampling = env
      .addSource(kafkaConsumer)
      .rebalance
      .assignTimestampsAndWatermarks(new MyWatermarkGenerator[MyRecord](Time.seconds(config.latencyDuration)))