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:
-
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。
-
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。
-
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。
-
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:
-
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。
-
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。
-
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:
-
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。
-
注意Python环境中pickle库的变更可能带来的影响。
-
计划从ZetaSQL迁移到Calcite SQL的工作。
-
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。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~045CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
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!C0301- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









