首页
/ Apache Beam 2.63.0 版本深度解析:流批一体数据处理框架的重大更新

Apache Beam 2.63.0 版本深度解析:流批一体数据处理框架的重大更新

2025-06-07 02:17:26作者:霍妲思

Apache Beam 作为谷歌开源的统一批处理和流处理编程模型框架,在最新发布的2.63.0版本中带来了一系列重要改进和新特性。本文将深入解析这一版本的核心更新内容,帮助开发者更好地理解和应用这一强大的数据处理工具。

核心架构与运行环境改进

Apache Beam 2.63.0在底层架构和运行环境方面进行了多项重要升级。最值得注意的是对Protobuf 4的支持(Java),这为开发者提供了更现代的协议缓冲区实现,虽然Debezium IO由于客户端兼容性问题仍保留了Protobuf 3的支持。

在运行环境方面,Go SDK容器现在支持基于进程的外部Worker Pool,这一改进特别适用于需要运行sidecar容器来托管SDK worker的某些runner场景。同时,Process Environment的执行支持也被加入到了Go SDK中,为环境配置提供了更大的灵活性。

Prism执行引擎在这个版本中获得了显著增强:

  • 简化了端口使用,现在使用单一端口同时处理管道提交和worker执行
  • 增加了对@RequiresTimeSortedInputs注解的支持
  • 初步实现了AllowedLateness功能
  • 改进了非回环模式环境类型的支持
  • 新增了AnyOf Environment支持,提升了跨语言管道开发体验

存储与I/O系统升级

在存储和I/O方面,2.63.0版本带来了多项重要改进:

  • GCS连接器升级至3.x+版本,提升了Google Cloud Storage的兼容性
  • 新增了递归删除功能支持GCSFileSystem路径
  • 为GCSIO的每个批处理方法添加了重试逻辑,增强了稳定性
  • 修复了TextIO读取gzip文件时可能出现的数据丢失问题

BigQueryIO也获得了重要更新:

  • 解决了Storage Write API有时无法自动获取模式更新的问题
  • 新增了--groupFilesFileLoad管道选项,用于缓解某些runner上BigQueryIO批处理FILE_LOAD的side-input相关问题

机器学习与数据处理增强

在机器学习领域,这个版本引入了BigQuery向量/嵌入摄取和丰富组件到apache_beam.ml.rag模块中,为检索增强生成(RAG)应用提供了更好的支持。

对于流处理场景,Dataflow Streaming现在默认启用Windmill GetWork响应批处理,通过让worker请求批量工作项来提升效率。同时修复了流式worker报告lineage指标时的问题,确保正确报告增量而非累计值。

开发者体验与兼容性

2.63.0版本对开发者体验也做了多项改进:

  • DaskRunner现在支持配置分区,为Python开发者提供了更灵活的控制选项
  • 移除了AWS V1 I/Os(Java),同时更新了跨语言Python Kinesis I/O以使用V2 IO
  • Go SDK的最低版本要求提升至1.22.10

性能优化与问题修复

在性能优化方面,这个版本修复了多个关键问题:

  • 解决了Dataflow Streaming Appliance中当键输出超过180MB结果时提交失败的问题
  • 修正了Dataflow模板创建过程中忽略模板文件创建错误的问题
  • 修复了Prism中Bundle Finalization可能无法启用的边缘情况
  • 修正了Prism中会话窗口聚合未按键执行的问题

Apache Beam 2.63.0通过这些全面的改进和修复,进一步巩固了其作为统一批流数据处理框架的领导地位,为开发者构建高效、可靠的数据处理管道提供了更强大的工具集。无论是基础架构的升级、I/O系统的增强,还是机器学习支持的扩展,这个版本都体现了Apache Beam社区对技术创新和用户体验的持续投入。

登录后查看全文
热门项目推荐

项目优选

收起
openHiTLS-examplesopenHiTLS-examples
本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
52
422
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
349
383
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
873
517
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
179
264
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
131
185
kernelkernel
deepin linux kernel
C
22
5
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
7
0
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
335
1.09 K
harmony-utilsharmony-utils
harmony-utils 一款功能丰富且极易上手的HarmonyOS工具库,借助众多实用工具类,致力于助力开发者迅速构建鸿蒙应用。其封装的工具涵盖了APP、设备、屏幕、授权、通知、线程间通信、弹框、吐司、生物认证、用户首选项、拍照、相册、扫码、文件、日志,异常捕获、字符、字符串、数字、集合、日期、随机、base64、加密、解密、JSON等一系列的功能和操作,能够满足各种不同的开发需求。
ArkTS
32
0
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.08 K
0