Flink kafkaConsumer on kafka

Flink kafkaConsumer 

要想自定义一个source，在flink里面无非就两种情况：

1.通过实现sourceFunction接口来自定义并行度为1的数据源；

2.通过实现ParallelSourceFunction接口或者继承RichParallelSourceFuncion来自定义具有并行度的数据源。

使用的FlinkKafkaConsumer011 其实也是继承了FlinkKafkaConsumer10 然后FlinkKafkaConsumer10 又继承了RichParallelSourceFunction，然后实现需要的checkpoint和结果相关的接口。

FlinkKafkaConsumer011<T> extends FlinkKafkaConsumer010<T> 
FlinkKafkaConsumer010<T> extends FlinkKafkaConsumerBase<T> 
FlinkKafkaConsumerBase<T> extends RichParallelSourceFunction<T> implements
		CheckpointListener,
		ResultTypeQueryable<T>,
		CheckpointedFunction 

3.kafkaConsumer 有7种构造方法，

单tpoic使用DeserializationSchema；

多个topic的情况，使用list传入后，用KafkaDeserializationSchema；

正则匹配topic，相关主题一点创建就会被订阅，可能业务一直增长，需要新建一个topic，那么就需要使用这种形式，不用重启consumer的情况下消费新的topic的数据；

具体情况看自己的业务需求来分析。