Topik ini menjelaskan pembaruan utama dan masalah yang diperbaiki pada versi Realtime Compute for Apache Flink yang dirilis pada 23 Oktober 2023.
Ververica Runtime (VVR) 8.0.3 yang diperkenalkan dalam rilis ini kadang-kadang menyebabkan kehilangan data dalam skenario tertentu, memengaruhi akurasi data. Setelah evaluasi cermat, Alibaba Cloud memutuskan untuk mengumumkan Akhir Dukungan (EOS) untuk VVR 8.0.3. Kami menyarankan Anda meningkatkan ke VVR 8.0.5 atau yang lebih baru sesegera mungkin. Untuk informasi tentang cara meningkatkan, lihat Tingkatkan versi mesin dari penyebaran. Kami menyediakan dukungan dan panduan yang diperlukan untuk membantu Anda beralih dengan lancar ke versi yang lebih aman dan stabil. Terima kasih atas pengertian dan kerja sama Anda.
Ikhtisar
Rilis Realtime Compute for Apache Flink pada 23 Oktober 2023 mencakup pembaruan platform, pembaruan mesin, pembaruan konektor, optimasi kinerja, dan perbaikan bug.
Pembaruan mesin: VVR 8.0.3 secara resmi dirilis untuk menyediakan mesin kelas perusahaan berdasarkan Apache Flink 1.17.1. Di VVR 8.0.3, interoperabilitas antara Realtime Compute for Apache Flink dan layanan penyimpanan serta komputasi lainnya di Alibaba Cloud ditingkatkan. Konektor MaxCompute, StarRocks, ApsaraDB for Redis, Layanan Log Sederhana, dan ApsaraMQ for RocketMQ dioptimalkan untuk meningkatkan kinerja dan stabilitas. Usability dari pernyataan CREATE TABLE AS juga ditingkatkan.
Pembaruan platform: Strategi stabil diperkenalkan dalam mode penyetelan Autopilot untuk mencegah restart penyebaran yang sering. Beberapa rencana penyetelan terjadwal dapat dikonfigurasikan untuk penyebaran, dan rencana yang sedang digunakan dapat diubah tanpa perlu membatalkan penyebaran. Data lineage tingkat bidang didukung untuk penyebaran SQL untuk membantu Anda mengelola aset data real-time. Pembaruan parameter dinamis didukung untuk mengurangi jumlah restart penyebaran. Login menggunakan Peran RAM, anggota direktori sumber daya, atau Pengguna CloudSSO didukung.
DataStream API untuk konektor yang disebutkan sebelumnya akan dirilis di versi berikutnya.
Peningkatan versi diluncurkan di seluruh jaringan menggunakan strategi rilis canary selama periode dua minggu. Setelah peningkatan selesai untuk wilayah dan akun Anda, Anda dapat menggunakan versi mesin baru untuk penyebaran Anda. Untuk informasi lebih lanjut, lihat Tingkatkan versi mesin dari penyebaran. Kami menantikan umpan balik Anda.
Fitur
Fitur | Deskripsi | Referensi |
Optimalisasi penyetelan otomatis | Strategi stabil didukung untuk membantu mengidentifikasi konfigurasi sumber daya optimal untuk keseluruhan waktu proses penyebaran. Sistem secara otomatis menyesuaikan konfigurasi sumber daya penyebaran hanya jika sistem menemukan opsi yang lebih baik untuk keseluruhan waktu proses penyebaran. Ini mencegah modifikasi yang tidak perlu karena lonjakan lalu lintas mendadak dan memungkinkan penyebaran berjalan dengan stabil dan mencapai keadaan konvergen. | |
Rencana penyetelan terjadwal | Beberapa rencana penyetelan terjadwal dapat dikonfigurasikan untuk penyebaran, dan rencana yang sedang digunakan dapat diubah tanpa perlu membatalkan penyebaran. Satu rencana penyetelan terjadwal dapat berisi beberapa strategi penyetelan terjadwal. | |
Data lineage dari penyebaran Flink SQL | Data lineage dari penyebaran Flink SQL dapat dilihat. Fitur ini memungkinkan Anda menemukan penyebaran yang menggunakan bidang tertentu dalam tabel dan mengidentifikasi hubungan tingkat bidang antara tabel sumber dan tabel hasil dalam penyebaran. Dengan cara ini, Anda dapat mengelola penyebaran dan aset data secara efisien. | |
Pembaruan dinamis konfigurasi parameter | Konfigurasi parameter Parallelism dan parameter runtime tertentu dari penyebaran Flink dapat dimodifikasi secara dinamis tanpa perlu membatalkan penyebaran. | Perbarui konfigurasi parameter secara dinamis untuk penskalaan dinamis |
Saran optimasi SQL | Saran optimasi dan risiko potensial dapat dilihat saat Anda melakukan pemeriksaan sintaks pada penyebaran SQL. Anda dapat mengoptimalkan pernyataan SQL berdasarkan informasi ini. | |
Pencarian berbasis label | Label dapat ditentukan saat Anda membuat penyebaran SQL, JAR, atau Python. Setelah Anda menentukan label untuk penyebaran, Anda dapat mencari semua penyebaran yang menggunakan kunci label atau nilai label yang sama di halaman Penyebaran di konsol pengembangan Realtime Compute for Apache Flink. Ini membantu Anda mengelola penyebaran secara efisien. | |
Penyortiran dan penyaringan penyebaran yang ditingkatkan | Penyebaran dapat diurutkan berdasarkan skor kesehatan atau latensi dan disaring berdasarkan pengguna yang melakukan modifikasi. Fitur ini tersedia di halaman Penyebaran di konsol pengembangan Realtime Compute for Apache Flink. | Tidak tersedia |
Dukungan login untuk peran RAM, anggota direktori sumber daya, dan Pengguna CloudSSO | Konsol manajemen dan pengembangan Realtime Compute for Apache Flink terintegrasi dengan mulus dengan sistem akun Alibaba Cloud. Anda dapat masuk ke konsol menggunakan akun Alibaba Cloud, pengguna RAM, peran RAM, anggota direktori sumber daya, atau Pengguna CloudSSO. Ini menyederhanakan manajemen identitas dan kontrol akses serta meningkatkan otorisasi dan manajemen sumber daya. | |
Dukungan untuk tipe data kompleks MaxCompute dan Tunnel eksklusif MaxCompute | Data tipe JSON, ARRAY, MAP, dan STRUCT yang digunakan di MaxCompute dapat dibaca dan ditulis oleh konektor MaxCompute. Tunnel eksklusif dapat ditentukan untuk konektor MaxCompute untuk memfasilitasi koneksi antara MaxCompute dan Realtime Compute for Apache Flink. | |
Kebijakan caching data baru di tabel dimensi ApsaraDB for Redis | Parameter cache dapat diatur ke ALL saat Anda menggunakan konektor ApsaraDB for Redis untuk membuat tabel dimensi. Ini meningkatkan kinerja. | |
Kompatibilitas yang ditingkatkan dengan ApsaraDB RDS for MySQL | Instans ApsaraDB RDS for MySQL yang memiliki enkripsi data transparan (TDE) diaktifkan didukung oleh katalog MySQL. | Tidak tersedia |
Dukungan untuk titik akhir OSS-HDFS di katalog Data Lake Formation (DLF) | Parameter oss.endpoint dapat diatur ke titik akhir OSS-HDFS untuk katalog DLF. | |
Dukungan normalisasi tipe untuk perubahan skema saat tabel hasil dibuat menggunakan konektor StarRocks dalam pernyataan CREATE TABLE AS | Mode normalisasi tipe untuk perubahan skema didukung saat Anda menggunakan konektor StarRocks dalam pernyataan CREATE TABLE AS untuk menyinkronkan data ke tabel hasil. Setelah Anda mengaktifkan fitur ini, jika bidang di tabel sumber diubah menjadi tipe data yang memiliki panjang berbeda tetapi kompatibel dengan tipe data bidang yang sesuai di tabel hasil, sinkronisasi tidak terpengaruh. | Tidak tersedia |
Kolom DATE sebagai kunci partisi di tabel hasil Hologres | Kolom dengan tipe data DATE dapat digunakan sebagai kunci partisi. Tabel partisi dibuat secara otomatis. | |
Dukungan untuk ApsaraMQ for RocketMQ 5.x | Konektor ApsaraMQ for RocketMQ dapat digunakan untuk membaca data dari dan menulis data ke tabel ApsaraMQ for RocketMQ 5.x. | ApsaraMQ for RocketMQ konektor |
miniBatch yang ditingkatkan dan kinerja join | Fitur miniBatch dan kinerja operasi join dioptimalkan. Jika Anda melakukan operasi join dalam skenario Change Data Capture (CDC) atau setelah operasi seperti deduplikasi dan agregasi, throughput dapat meningkat hingga 130%. | Tidak tersedia |
Masalah yang diperbaiki
Kesalahan terjadi saat katalog MaxCompute digunakan untuk menulis data ke tabel terpartisi.
Kinerja tabel dimensi Hologres buruk selama operasi join.