要将Apache Spark与Confluent平台集成并将数据写入HDFS文件，您可以使用Spark Streaming和Kafka连接器。下面是一个使用Scala的示例代码：

1. 首先，确保您已经安装了Apache Spark和Confluent Platform，并设置了正确的环境。

2. 导入所需的依赖项：

import org.apache.spark.SparkConf
import org.apache.spark.streaming.{Seconds, StreamingContext}
import org.apache.spark.streaming.kafka010.KafkaUtils
import org.apache.kafka.clients.consumer.ConsumerRecord

3. 创建SparkConf和StreamingContext：

val conf = new SparkConf().setAppName("SparkConfluentIntegration").setMaster("local[*]")
val ssc = new StreamingContext(conf, Seconds(1))

4. 设置Kafka连接器的配置：

val kafkaParams = Map[String, Object](
  "bootstrap.servers" -> "localhost:9092",
  "key.deserializer" -> "org.apache.kafka.common.serialization.StringDeserializer",
  "value.deserializer" -> "org.apache.kafka.common.serialization.StringDeserializer",
  "group.id" -> "spark-consumer-group",
  "auto.offset.reset" -> "latest",
  "enable.auto.commit" -> (false: java.lang.Boolean)
)

5. 指定要从Kafka主题中读取数据：

val topics = Array("your-kafka-topic")

6. 创建一个DStream来读取Kafka数据并将其写入HDFS文件：

val stream = KafkaUtils.createDirectStream[String, String](
  ssc,
  PreferConsistent,
  Subscribe[String, String](topics, kafkaParams)
)

stream.foreachRDD { rdd =>
  rdd.foreach { record: ConsumerRecord[String, String] =>
    // 在这里处理每条记录
    // 将数据写入HDFS文件
    val data = record.value()
    data.saveAsTextFile("hdfs://your-hdfs-path")
  }
}

7. 启动StreamingContext并等待作业完成：

ssc.start()
ssc.awaitTermination()

请注意，您需要根据您的实际情况修改代码中的一些参数，例如Kafka连接地址、主题和HDFS路径。此外，还可以根据需要处理每条记录的代码。