Realtime Compute for Apache Flink:Version du 3 juin 2026

Prise en charge du développement Flink Agents : Créez des jobs AI Agent en streaming pilotés par les événements, en vous appuyant sur le framework open source Apache Flink Agents.

Prise en charge de NVIDIA Triton Inference Server : Les appels distants vers NVIDIA Triton Inference Server sont désormais pris en charge, élargissant les options d'intégration pour les services d'inférence en ligne.

Améliorations de l'invocation des modèles multimodaux : L'adaptation des paramètres pour les modèles de compréhension d'images et de vidéos est optimisée, facilitant l'utilisation d'AI Function avec les modèles de compréhension visuelle.

Amélioration de la fonction ml_predict : La fonction ml_predict peut désormais réutiliser les paramètres de modèle sélectionnés issus de CREATE MODEL, ce qui réduit la duplication de configuration dans le SQL d'inférence.

Amélioration de la précision DECIMAL : Le type DECIMAL prend désormais en charge une précision plus élevée pour les scénarios de calcul numérique (fonctionnalité expérimentale).

Prise en charge du Paimon Variant Shredding : Améliore le stockage et l'efficacité des requêtes sur les données semi-structurées dans Paimon.

Améliorations de l'API Python DataStream : Intègre les améliorations de la communauté Apache Flink pour Async Function dans l'API Python DataStream.

Améliorations d'AsyncScalarFunction : Intègre les correctifs et améliorations de la communauté Apache Flink pour AsyncScalarFunction, renforçant la stabilité et la facilité d'utilisation des fonctions scalaires asynchrones.

Sécurisation des fonctions intégrées SQL : Correction d'un risque potentiel d'injection de code dans la chaîne d'appel des fonctions intégrées SQL, améliorant la robustesse à l'exécution des jobs.

Améliorations de Kafka YAML Source :

• Le format JSON tolère désormais les clés dupliquées dans les champs Key ou Value, améliorant la compatibilité lors de l'ingestion de données JSON complexes.

• Les messages Tombstone (avec une valeur Value vide) peuvent désormais être convertis en événements DELETE, prenant en charge les sujets de compaction de journaux et la synchronisation avec sémantique de suppression.

Amélioration du format Canal JSON : Les données Kafka Canal JSON prennent désormais en charge JSON Converter, offrant une analyse et une conversion de types plus flexibles.

Optimisations de MySQL CDC :

• Gestion améliorée de la casse des noms de champs pour une meilleure exactitude dans les scénarios de synchronisation sensibles à la casse.

• Lors de la lecture des journaux archivés RDS, l'ID de l'instance principale peut désormais être recherché automatiquement, réduisant la charge de configuration.

Source SQL Server CDC : Ajoute la prise en charge de CDC pour SQL Server, permettant la capture en temps réel des données modifiées depuis SQL Server (aperçu public).

Amélioration des expressions Transform : La gestion des expressions DECIMAL haute précision est améliorée, augmentant l'exactitude des calculs dans les scénarios de transformation de données.

Hologres YAML Sink : Hologres prend désormais en charge l'ancien gestionnaire Put Handler, améliorant la compatibilité avec les chemins d'écriture existants.

Paimon YAML Sink : Prend en charge l'écriture des champs Blob stockés via le descripteur blob-descriptor-field.

Elasticsearch : Ajoute le paramètre connection.keep-alive pour configurer le maintien des connexions actives, améliorant la stabilité des connexions de longue durée.

Kafka : Le connecteur source YAML prend désormais en charge JSON Converter pour les données Canal JSON, avec une meilleure gestion des clés dupliquées et des messages Tombstone.

Paimon : Ajout de la procédure stockée vector_search pour interroger les tables vectorielles dans Paimon. Pour plus de détails sur l'utilisation, consultez support vector search procedure for flink.