扩展另一个答案，您可以通过拖放到java来示例化所需的void类型：

// in src/main/java/com/yourOrg/FlinkUtils.java
public class FlinkUtils {
    /* Stupid hack because we can't instantiate Void in Scala */
    public static Void getVoid() {
        return null;
    }
}

// src/main/scala/com/yourOrg/FlinkJob.scala

val voidKeyedDataset = ds.map((FlinkUtils.getVoid, _))
voidKeyedDataset.output(...)

你想创建一个 HadoopOutputFormat[Void, String] 这需要一个 OutputFormat[Void, String] .
你提供了一个 AvroParquetOutputFormat 延伸到 ParquetOutputFormat<IndexedRecord> . ParquetOutputFormat 定义为 ParquetOutputFormat<T> extends FileOutputFormat<Void, T> .
所以你提供了一个 OutputFormat[Void, IndexedRecord] 而 HadoopOutputFormat[Void, String] 期望 OutputFormat[Void, String] .
你应该改变 parquetFormat 到

val parquetFormat = new HadoopOutputFormat[Void, IndexedRecord](
  new AvroParquetOutputFormat, job)
FileOutputFormat.setOutputPath(job, new Path(outputPath))

如果 DataSet 你想写的不是类型 (Void, IndexedRecord) ，您应该添加 MapFunction 将数据转换为 (Void, IndexedRecord) 对。

问题仍然存在，因为到目前为止flink元组不支持空键。将发生以下错误： Caused by: org.apache.flink.types.NullFieldException: Field 1 is null, but expected to hold a value. 更好的选择是使用kitesdk，如本例所述：https://github.com/nezihyigitbasi/flinkparquet 因此，如果您需要动态模式，那么这种方法将不起作用，因为您需要严格遵守模式。此外，这是更好的阅读，而不是写作。
spark dataframe不仅在api方面而且在性能方面与parquet配合得非常好。但是，如果你想使用flink，那么你需要等待flink社区发布api或者自己编辑Parquethadoop代码，这可能是一项巨大的工作。
只有这些连接器还没有实现https://github.com/apache/flink/tree/master/flink-connectors 所以，我个人的建议是，如果你能使用spark，那就去吧，考虑到生产用例，它有更成熟的api。当你坚持flink的基本需求时，你可能也会被困在其他地方。
别浪费时间找一个与Flink约现在，我已经浪费了很多我的关键时间，而不是去与标准的选择，如Hive，Spark或先生。