相同点都是 前面并行度 % 后面并行度  ，也就是要求前面并行度>=后面并行度  

1 flink consumer kafka数据

mod(kafka partiton) % (flink 并行度)

1.1 kafka = flink 并行度

一对一的关系

1.2 kafka > flink

flink 每个并行度会可能消费多个kafka分区数据

1.3 kafka < flink

flink 某个并行度肯定会没有数据消费

2 flink producer kafka数据

配置keyby ，走fixed策略 ，保证消息有序；

不用keyby, 用robin策略

2.1  用 Robin 的方式写入 Kafka

• 1、实现 exactly-once 语义的 kafka sink，用 Robin 的方式写入 Kafka
• 2、flink 会把 一个 sink subtask 的数据以 round-robin 方式写入 kafka 的各个分区
• 3、注意：使用此方法可以不用设置 sink 的并行度

2.2  fixedPartition

flink sink之前每个并行度都是已经特定key by column的数据了，消息有序。

•  1、实现 exactly-once 语义的 kafka sink
•  2、fixedPartition: 一个 kafka partition 对应一个 flinkkafkaproducer。配置该种方式时，flink kafka producer 并行度应该不小于写入的 kafka topic 分区数，否则会导致有些分区没有数据

• flink写入kafka默认采用的分区策略的代码实现在FlinkFixedPartitioner这个类中，并不是我们理解的轮盘转方式写入下游分区，而是每个并发固定的写入到kafka的某个分区，举个例子：flink有3个sink并发写入kafka，而kafka有10个分区，那么数据只会写入kafka的0-2号分区中，其他分区不会有数据。