首页
/ Apache Beam 2.65.0 版本发布:流处理框架的重要更新

Apache Beam 2.65.0 版本发布:流处理框架的重要更新

2025-06-07 09:53:19作者:彭桢灵Jeremy

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。它提供了一个高级抽象层,允许开发者编写数据处理管道,然后可以在各种执行引擎(如Apache Flink、Apache Spark、Google Cloud Dataflow等)上运行。Beam 的设计理念是"一次编写,随处运行",极大地简化了大数据处理任务的开发和部署。

核心功能更新

输入输出(I/O)系统增强

在2.65.0版本中,Java版的GoogleAdsIO组件升级到了v19 API版本。值得注意的是,该版本对PTransform方法进行了重要改进,从原先的版本指定方法(如v17())改为current()方法,这一变更将显著提升未来版本的向后兼容性。

对于Pubsub用户,新版本增加了对有序键(ordering keys)写入的支持。这一特性对于需要保证消息顺序的场景尤为重要,例如金融交易处理或事件溯源系统。

重要新特性与改进

Spark Classic运行器现在支持流式侧输入(streaming side-inputs),这一改进解决了长期存在的功能限制(#18136)。侧输入是Beam中一个强大的概念,它允许主数据流在处理过程中访问额外的参考数据,而无需将其合并到主数据流中。

兼容性变更说明

Python用户需要注意几个重要的行为变更:

  1. 默认的pickle库从dill改为cloudpickle。这一变更可能影响某些依赖特定pickle行为的代码。开发者应测试现有管道在新环境下的表现。

  2. Reshuffle操作现在会保留PaneInfo信息。PaneInfo包含了窗口化数据处理中的重要元数据,如触发次数和时序信息。如果这一变更影响了现有管道,可以通过设置update_compatibility_version为"2.64.0"来恢复旧行为。

  3. PaneInfo现在使用专门的PaneInfoCoder进行编码,而不是之前的FastPrimitivesCoder或PickleCoder。这一变更主要影响直接存储PaneInfo作为元素的场景。

  4. BigQuery文件加载操作现在会在触发加载作业前增加一个Reshuffle步骤。这修复了在流式管道中自动扩展时可能出现的数据丢失问题。同样,可以通过设置兼容性版本来维持旧行为。

YAML用户需要注意,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场景,可以通过设置update_compatibility_version管道选项来实现。

安全修复与弃用说明

本次版本修复了一个重要的安全问题(CVE-2025-30065),建议所有用户尽快升级。

值得注意的是,Beam ZetaSQL已被标记为弃用状态,并计划在2.68.0版本中移除。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。

性能优化与错误修复

本次发布包含多个重要的错误修复:

  1. 修复了跨语言转换(如ReadFromJdbc)中读取包含负32位整数的Beam行时解码错误的问题。

  2. 修正了Java版SDF-based KafkaIO(ReadFromKafkaViaSDF)处理自定义反序列化器的问题,特别是那些扩展了Deserializer接口的反序列化器。

  3. Python版改进了TypedDict类型提示与Mapping和Dict类型注解的兼容性。

总结与升级建议

Apache Beam 2.65.0版本带来了多项重要改进,特别是在I/O系统、流处理能力和Python生态方面。对于生产环境用户,建议:

  1. 在测试环境中充分验证新版本,特别是涉及兼容性变更的功能。

  2. 注意Python环境中pickle库的变更可能带来的影响。

  3. 计划从ZetaSQL迁移到Calcite SQL的工作。

  4. 对于安全敏感的应用,应优先考虑升级以修复CVE-2025-30065问题。

Apache Beam社区持续推动着大数据处理技术的进步,2.65.0版本的发布再次证明了其在统一批流处理领域的领导地位。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
159
2.01 K
kernelkernel
deepin linux kernel
C
22
6
pytorchpytorch
Ascend Extension for PyTorch
Python
42
74
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
522
53
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
946
556
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
197
279
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
995
396
communitycommunity
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
364
13
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
71