Apache Beam 2.65.0 版本发布：流处理框架的重要更新

Apache Beam 是一个开源的统一编程模型，用于批处理和流式数据处理任务。它提供了一个简单而强大的API，可以在多种执行引擎上运行，包括Apache Flink、Apache Spark和Google Cloud Dataflow等。Beam 的主要优势在于其"一次编写，随处运行"的理念，使得开发者可以专注于数据处理逻辑本身，而无需担心底层执行引擎的差异。

核心功能更新

输入输出(I/O)增强

本次2.65.0版本在I/O方面有几个重要改进：

1. Google Ads API升级：Java版的GoogleAdsIO现在升级到了v19 API版本。更值得注意的是，PTransform方法从特定版本(如v17())改为current()方法，这一设计变更将大大提升未来版本的向后兼容性。

2. Pubsub写入支持排序键：Java用户现在可以在向Pubsub写入消息时使用排序键(ordering keys)，这对于需要保证消息顺序性的场景特别有用。

新特性与改进

Spark Classic运行器支持流式侧输入：这是一个重要的功能增强，解决了长期存在的需求(问题#18136)。流式侧输入允许在处理主数据流时动态引用外部数据源，为复杂的数据处理场景提供了更多可能性。

重要变更说明

Python相关变更

1. 默认序列化库变更：从dill改为cloudpickle作为默认的pickle_library。这一变更可能会影响某些依赖特定序列化行为的应用。开发者如果遇到问题，可以参考相关issue了解已知问题和解决方案。

2. Reshuffle操作保留PaneInfo：在之前的版本中，Reshuffle操作会丢失PaneInfo信息，现在这一行为已修正。如果需要保持旧行为，可以设置update_compatibility_version为"2.64.0"。

3. PaneInfo编码方式变更：现在使用专门的PaneInfoCoder进行编码，而非之前的FastPrimitivesCoder或PickleCoder。这一变更仅影响直接存储PaneInfo作为元素的场景。

4. BigQuery文件加载优化：在触发加载作业前自动添加Reshuffle操作，解决了流式管道在自动扩展期间可能发生的数据丢失问题。

YAML相关变更

Kafka源和接收器现在会自动替换为兼容的托管转换。对于需要保持旧行为的用户，可以通过设置update_compatibility_version管道选项来实现。

弃用说明

Beam ZetaSQL弃用：ZetaSQL支持将被弃用，并计划在2.68.0版本后移除。建议用户迁移到Calcite SQL方言，后者提供了更完整和标准化的SQL支持。

重要问题修复

1. 跨语言转换读取修复：修复了读取包含负32位整数的Beam行时错误解码为大整数的问题。

2. Java KafkaIO改进：修复了基于SDF的KafkaIO(ReadFromKafkaViaSDF)在处理扩展Deserializer接口的自定义反序列化器时的问题。

3. Python类型提示兼容性：现在TypedDict类型提示与Mapping和Dict类型注解完全兼容。

安全更新

修复了CVE-2025-30065安全风险，提升了框架的整体安全性。

总结

Apache Beam 2.65.0版本带来了多项重要更新和改进，特别是在I/O功能、Python兼容性和流处理能力方面。这些变更既包括新功能的添加，也包含对现有问题的修复和优化。对于现有用户，建议仔细阅读变更说明，特别是那些标记为破坏性变更的内容，以确保平稳升级。对于新用户，这个版本提供了更稳定和功能丰富的统一数据处理框架选择。

随着数据处理需求的不断演进，Apache Beam持续优化其核心功能，为开发者提供更强大、更灵活的工具来处理批量和流式数据。2.65.0版本的发布再次证明了该项目在数据处理领域的领导地位和持续创新的承诺。