java - Kafka Connect S3 接收器在加载 Avro 时抛出 IllegalArgumentException

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

以及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，收到以下错误消息:“java.lang.IllegalArgumentException:Avro 架构必须是一条记录”。

我对 Kafka Connect 还很陌生，我知道可以设置架构注册表服务器 - 但我不明白接收器是否需要注册表来将 Avro 数据转换为 Parquet，或者是否需要我这边有某种格式或配置问题。在此错误的上下文中，“记录”指的是哪种数据格式？任何指导或帮助将不胜感激。

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[]，而不是实际进行任何序列化/反序列化数据。然而，ParquetFormat(实际上是大多数格式)不能只处理原始数据。相反，他们期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 自述文件指出，ByteArrayConverter 在您可以安全地直接复制数据的情况下非常有用。例如，如果您有 JSON 或 CSV 格式的数据。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。