一、應用場景：
Flink 消費 Kafka 數據進行實時處理，並將結果寫入 HDFS。
二、Bucketing File Sink
由於流數據本身是無界的，所以，流數據將數據寫入到分桶（bucket）中。默認使用基於系統時間(yyyy-MM-dd--HH，0時區)的分桶策略。在分桶中，又根據滾動策略，將輸出拆分爲 part 文件。
1、Flink 提供了兩個分桶策略，分桶策略實現了
org.apache.flink.streaming.connectors.fs.bucketing.Bucketer 接口：
- BasePathBucketer，不分桶，所有文件寫到根目錄；
- DateTimeBucketer，基於系統時間(yyyy-MM-dd--HH)分桶。
除此之外，還可以實現Bucketer接口，自定義分桶策略。
2、Flink 提供了兩種writer方式，它們實現了
org.apache.flink.streaming.connectors.fs.Writer 接口：
- StringWriter 是系統默認的寫入方式，調用toString()方法，同時換行寫入；
-
![]()
- SequenceFileWriter 是Hadoop序列文件寫入方式，可配置壓縮。
除此之外，還可以實現Writer接口，自定義Writer方式。
三、編碼。
1、pom添加依賴。
<dep