首页
/ Apache Beam 2.62.0 版本发布:流处理与状态管理能力全面升级

Apache Beam 2.62.0 版本发布:流处理与状态管理能力全面升级

2025-06-08 22:13:14作者:晏闻田Solitary

项目简介

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。它提供了一个高级别的抽象层,允许开发者编写一次数据处理逻辑,然后在多个执行引擎(如Flink、Spark、Google Cloud Dataflow等)上运行。Beam 的核心优势在于其"一次编写,随处运行"的理念,大大简化了大数据处理应用的开发和维护成本。

版本亮点

Apache Beam 2.62.0 版本带来了多项重要改进和新功能,主要集中在流处理能力增强、状态管理优化以及I/O连接器的功能扩展上。这个版本标志着Beam在实时数据处理领域的成熟度进一步提升。

核心功能增强

Spark Runner 状态处理支持

2.62.0版本为Spark Runner添加了对状态化处理的支持,这是流处理管道的重要功能。状态化处理允许管道在处理元素时维护和访问持久化状态,这对于实现复杂的事件处理逻辑至关重要。需要注意的是,当前版本尚未支持定时器功能,这一功能将在后续版本中实现。

Prism 执行引擎改进

Prism执行引擎在这个版本中获得了多项关键能力:

  1. 窗口到期处理支持:实现了OnWindowExpiration功能,为Java的GroupIntoBatches操作提供了基础支持。这使得开发者能够更灵活地处理窗口化数据。

  2. 有序列表状态支持:新增了对OrderedListState的支持,进一步丰富了状态管理的能力,为复杂的有状态处理场景提供了更好的支持。

  3. 事件时间定时器排序修复:解决了EventTimeTimer的排序问题,确保了基于事件时间的处理更加准确可靠。

性能优化

SparkRunner在批处理模式下的GroupByKey操作性能得到了显著提升。这一优化对于处理大规模数据集尤为重要,能够减少资源消耗并提高整体处理速度。

I/O 连接器改进

存储相关增强

  1. GCS连接器配置:现在可以通过GcsOptions直接设置gcs-connector的配置选项,简化了Google Cloud Storage的集成配置。

  2. Hadoop依赖升级:默认Hadoop依赖版本升级至3.4.1,同时保持对Hadoop 2.10.2的兼容性,确保用户能够平滑过渡。

数据湖与数据仓库集成

  1. Managed Iceberg增强

    • 新增了对时间分区(年、月、日、小时)的支持,适用于date、time、timestamp和timestamp(tz)类型
    • 修复了DataFile元数据中分区值分配不正确的问题
  2. BigQueryIO扩展

    • 新增了动态创建托管BigLake表的功能,进一步简化了与BigQuery的集成

安全更新

本次版本修复了一个重要的安全问题(CVE-2024-47561),通过将Avro版本升级至1.11.4来确保系统的安全性。

兼容性说明

ZetaSQL组件升级至2024.11.1版本后,使用Beam的ZetaSQL功能需要Java 11或更高版本。这一变化可能会影响部分现有系统的运行环境要求。

总结

Apache Beam 2.62.0版本在流处理能力、状态管理和I/O连接器方面都做出了重要改进,特别是对Spark Runner的状态处理支持和Prism执行引擎的增强,为开发者构建复杂的数据处理管道提供了更强大的工具。性能优化和安全更新也进一步提升了框架的稳定性和可靠性。对于正在使用或考虑采用Apache Beam的项目,这个版本值得关注和升级。

登录后查看全文
热门项目推荐

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
176
262
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
863
511
ShopXO开源商城ShopXO开源商城
🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182
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
259
300
kernelkernel
deepin linux kernel
C
22
5
cherry-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
596
57
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
1.07 K
0
HarmonyOS-ExamplesHarmonyOS-Examples
本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371
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
332
1.08 K