Todos los productos
Search
Centro de documentos

Realtime Compute for Apache Flink:Versión 2025-10-13

Última actualización: Sep 03, 2026

Este tema describe las principales actualizaciones de funciones y correcciones de bugs en la versión de Realtime Compute for Apache Flink del 13 de octubre de 2025.

Importante

La actualización de versión se libera gradualmente para los usuarios. Para obtener más información, consulte el anuncio más reciente en la consola de Realtime Compute for Apache Flink. Solo podrá usar las nuevas funciones de esta versión una vez que la actualización de su cuenta haya finalizado. Para solicitar una actualización acelerada, envíe un ticket.

Descripción general

Esta versión incluye actualizaciones del motor y de la plataforma, entre ellas nuevas capacidades de conectores, búsqueda vectorial con IA, mejoras en SQL, optimizaciones de rendimiento y correcciones de bugs.

Motor

Ingesta de datos

Origen Kafka: El formato Canal-JSON ahora analiza sintácticamente los campos nativos MySQL_TYPE, lo que mejora la fidelidad de tipos al consumir eventos de cambio de MySQL.

Conectores

  • Conector Hologres: Ahora puede especificar el tipo de registro binario que desea leer para lograr un control más granular sobre la sincronización de datos.

  • Conector StarRocks: Se actualizó para alinearse con la versión 1.2.11 de StarRocks Connector for Flink.

  • Conector Lindorm: Las tablas de dimensiones ahora admiten uniones de uno a muchos.

  • Conector MaxCompute: Ahora puede establecer una zona horaria personalizada para el procesamiento de datos entre distintas zonas horarias.

  • Conector SLS: El parámetro processor le permite prefiltrar los datos de Simple Log Service (SLS) antes de consumirlos, lo que reduce los costos de procesamiento posteriores.

Capacidades de IA

  • Búsqueda vectorial: La función VECTOR_SEARCH ejecuta búsquedas de similitud en tiempo real mediante Milvus. Consulte VECTOR_SEARCH.

  • Función de IA: Hay más parámetros configurables disponibles para ofrecer un mayor control sobre el comportamiento de la función de IA.

SQL y gestión de datos

  • Conversión JSON: Utilice la función JSON_QUERY para convertir directamente un arreglo dentro de una cadena JSON a ARRAY<STRING>. Consulte Funciones JSON.

  • Catálogo StarRocks: Ya no es necesario pasar explícitamente una URL al utilizar el catálogo de StarRocks.

Optimizaciones de rendimiento

  • Conector MySQL: Se optimizó el pushdown de predicados para tipos booleanos, lo que reduce la transferencia innecesaria de datos.

  • Conector Hologres: Ahora se aplican pushdown de proyección y compresión de datos al consumir registros binarios, lo que disminuye la sobrecarga de red y de procesamiento.

  • Conector MaxCompute: Se mejoró el rendimiento de escritura de tipos complejos, como arreglos, en tablas regulares.

Plataforma

Nuevas capacidades

Capacidad

Estado

Región

Flujos de trabajo

Vista previa pública

US (Silicon Valley)

Facturación híbrida para espacios de trabajo YITIAN ARM

Ya disponible

China (Ulanqab)

Mejoras en la experiencia de la plataforma

Experiencia de compra

Se eliminó el límite de 1,000 unidades de cómputo (CU) para espacios de trabajo con suscripción. Esto aplica a ampliaciones, nuevas compras y conversiones de pay-as-you-go a suscripción, lo que habilita el escalado elástico para trabajos a gran escala.

Observability

  • Visualización unificada de métricas de recolección de basura (GC): Las métricas de GC ahora son compatibles con ParallelGC y CMS, lo que permite un monitoreo unificado entre distintos tipos de GC.

  • **Nueva métrica busyTimePerSecond**: Proporciona información precisa sobre la carga del trabajo para ayudarle a identificar cuellos de botella de rendimiento, asignar recursos de manera eficaz y garantizar la estabilidad del trabajo.

Modelo de permisos

Los permisos de carpetas ahora están unificados con los permisos de borradores de trabajos y consultas de datos. Puede crear carpetas sin encontrar errores de permisos.

Tabla materializada

Al editar una tabla materializada, ahora puede actualizar la versión de Ververica Runtime (VVR) directamente desde el editor. Este también admite la comparación de versiones y actualiza automáticamente el despliegue del trabajo.

Configuración de entrega de mensajes

Puede personalizar el alcance de entrega de los mensajes para lograr un control más granular y reducir los costos de notificación.

Resumen de funciones

Función

Descripción

Referencia

Escrituras por lotes simultáneas en Hologres

Escrituras simultáneas en tablas Hologres con clave primaria tras un reshuffle, lo que incrementa el rendimiento de escritura.

Connector options (VVR 11 or later)

Optimización del consumo de registros binarios en Hologres

Pushdown de proyección y compresión de datos al consumir registros binarios, lo que reduce la sobrecarga de red y de procesamiento.

—

Especificación del tipo de registro binario en Hologres

Especifique el tipo de registro binario que desea leer para lograr una sincronización de datos más granular.

—

Análisis sintáctico de MySQL_TYPE en Canal-JSON de Kafka

El formato Canal-JSON para el origen Kafka ahora analiza sintácticamente los tipos nativos de MySQL.

Kafka

Conversión de String JSON a ARRAY<STRING>

Utilice JSON_QUERY para convertir un arreglo dentro de una cadena JSON a ARRAY<STRING>.

Funciones JSON

Búsqueda vectorial con IA

La función VECTOR_SEARCH ejecuta búsquedas de similitud en tiempo real mediante Milvus.

VECTOR_SEARCH

Configuración de zona horaria en MaxCompute

Zonas horarias personalizadas para el procesamiento de datos entre distintas zonas horarias.

MaxCompute

Procesador de consumo de SLS

El parámetro processor prefiltra los datos de SLS antes del consumo, lo que reduce los costos de procesamiento posteriores.

SLS

Correcciones destacadas

Correcciones de conectores

  • PostgreSQL CDC: Se corrigió un interbloqueo al leer datos con PostgreSQL CDC.

  • Conector Kafka: Se solucionó un problema donde el conector descartaba la información de zona horaria al convertir marcas de tiempo con atributos de zona horaria.

  • Conector Lindorm: Se resolvió una excepción NullPointerException durante uniones con una tabla de dimensiones de Lindorm.

  • Conector Paimon: Se corrigió un error donde, tras una configuración incorrecta de parámetros, la visualización o eliminación de una tabla Paimon devolvía Could not find any factory for identifier 'last_not_null_value'.

Correcciones de SQL

  • **Función JSON_QUERY**: Se corrigió un problema de formato en la cláusula RETURNING ARRAY<STRING>.