Question

我正在使用qubole's S3 sink以Parquet格式将Avro数据加载到S3中。

在我的Java应用程序中，我创建了一个生产者

Properties props = new Properties();
props.put("bootstrap.servers", KafkaHelper.getServers());
props.put("key.serializer", "org.apache.kafka.common.serialization.ByteArraySerializer");
props.put("value.serializer", "org.apache.kafka.common.serialization.ByteArraySerializer");
return new KafkaProducer<byte[], byte[]>(props);

然后将GenericRecord转换为byte[]格式：

GenericRecord avroRecord = new GenericData.Record(avroSchema);
Injection<GenericRecord, byte[]> recordInjection = GenericAvroCodecs.toBinary(avroSchema);

for (Map.Entry<String, ?> entry : map.entrySet()) {
    String key = entry.getKey();
    Object value = entry.getValue();
    avroRecord.put(key, value);
}

ProducerRecord<byte[], byte[]> record = new ProducerRecord<>(topic, recordInjection.apply(avroRecord));
producer.send(record);

我在Kafka Connect属性中使用以下值：

key.converter=com.qubole.streamx.ByteArrayConverter
value.converter=com.qubole.streamx.ByteArrayConverter
internal.key.converter=org.apache.kafka.connect.json.JsonConverter
internal.value.converter=org.apache.kafka.connect.json.JsonConverter
internal.key.converter.schemas.enable=false
internal.value.converter.schemas.enable=false

我的文件接收器属性中的以下配置选项：

connector.class=com.qubole.streamx.s3.S3SinkConnector
format.class=io.confluent.connect.hdfs.parquet.ParquetFormat

当我运行连接器时，我收到以下错误消息：'java.lang.IllegalArgumentException：Avro架构必须是记录'。

我对Kafka Connect很新，我知道可以设置Schema Registry服务器 - 但我不明白接收器是否需要注册表将Avro数据转换为Parquet或者如果这是我的某种格式或配置问题。 “记录”在此错误的上下文中引用了哪种数据格式？任何方向或帮助将非常感激。

Answer 1

ByteArrayConverter不会进行任何数据转换：它假设连接器知道如何处理原始byte[]数据，而不是实际进行任何序列化/反序列化。但是，ParquetFormat（实际上大多数格式）无法处理原始数据。相反，他们希望数据被反序列化并结构化为记录（您可以将其视为C结构，POJO等）。

请注意，qubole streamx README指出ByteArrayConverter在您可以安全地直接复制数据的情况下非常有用。例如，如果您将数据作为JSON或CSV。这些不需要反序列化，因为每个Kafka记录值的字节可以简单地复制到输出文件中。在这些情况下，这是一个很好的优化，但通常不适用于所有输出文件格式。

加载Avro时，Kafka Connect S3 sink会抛出IllegalArgumentException

1 个答案: