Realtime Compute for Apache Flink は、SQL 関数の呼び出しや Python のデータ処理からストリーミングエージェントの構築まで、あらゆるシナリオに対応する AI 機能を統合しています。大規模モデルの推論、ベクトル化、マルチモーダル分析、エージェントオーケストレーションをすべて単一の Flink ジョブ内で実行できます。
組み込みモデルサービス
このプラットフォームには、Qwen シリーズの組み込み大規模モデルが含まれており、API キーは不要ですぐに利用できます。
機能 | 組み込みモデル |
テキスト生成、視覚的理解 | qwen3.6-plus, qwen3.6-flash, qwen3.5-plus, qwen3.5-flash |
テキストのベクトル化 | text-embedding-v4 |
マルチモーダルベクトル化 | qwen-vl-embedding |
SQL AI 関数
アプリケーションコードを記述することなく、Flink SQL で大規模モデルを直接呼び出すことができます。
テキスト：単一の SQL ステートメントで、感情分析、エンティティ抽出、タグ付けと分類、翻訳、要約生成などを実行します。
ベクトル：テキストのベクトル化とベクトル検索を実行します。ベクトル化の結果はキャッシュできるため、繰り返し呼び出す際のオーバーヘッドを削減できます。
マルチモーダル：画像の分類、情報の抽出、コンテンツ説明の生成を行います。モデルは画像の URL を入力として受け取り、構造化された結果を出力します。
ユースケース：リアルタイムのデータクレンジングとアノテーション、ストリーミングテキスト分析、オンライン特徴量エンジニアリング、リアルタイムの画像分類と情報抽出。
Python DataFrame API
Python 開発者向けのハイレベルな AI データ処理インターフェースです。チェーン呼び出しを使用して、データインジェスト、前処理、AI 推論、出力を接続します。
主な機能：
マルチモーダルサポート：テキストと画像の両方を入力として受け付けます。
組み込み演算子：大規模モデル推論とベクトル化のための組み込み演算子が含まれており、1 行のコードで統合できます。
カスタム前処理：データの前処理にカスタム UDF (ユーザー定義関数) をサポートします。
ユースケース：E コマースの商品画像の分析と説明生成、マルチモーダルコンテンツの理解、インテリジェントなバッチデータ処理。
Flink エージェント
オープンソースの Apache Flink Agents フレームワークを使用して、イベント駆動型のストリーミング AI エージェントを構築できます。
主な機能：
分散コーディネーション：フレームワークはイベントルーティング、パーティショニング、状態の一貫性、障害復旧を処理します。
ステートフルなメモリ：エージェントのメモリは、各チェックポイントで自動的に永続化および復元されます。
ストリーム処理：エージェントは、高スループットと低レイテンシーで、受信イベントに継続的に応答します。
デュアルモードエージェント：明確に定義されたプロセスを持つシナリオにはワークフローエージェントを、柔軟な意思決定が必要なシナリオには ReAct エージェントを使用します。
Python と Java の両方による開発をサポートします。ユースケース：リアルタイムのユーザーレビュー分析、インテリジェントなカスタマーサービス、自動化されたビジネス上の意思決定。
エージェントスキル (自然言語による O&M)
Alibaba Cloud Flink Agent Skills を使用すると、Claude Code や Cursor などの AI エージェントクライアントにおいて、自然言語で Flink リソースを管理できます。
インスタンス管理：インスタンスの作成、ステータスのクエリ、名前空間の管理。
ワークスペース O&M：SQL ドラフトの作成と検証、ジョブのデプロイと開始/停止、セッションクラスターの管理、ジョブの診断。
手動での OpenAPI 呼び出しは不要です。操作は対話を通じて処理できます。
AI アシスタント
Realtime Compute コンソールに組み込まれた対話型 AI アシスタントで、自然言語による対話を通じて Flink ジョブのライフサイクル全体を管理できます。
インテリジェントなコード生成：ビジネス要件から Flink SQL コードを自動的に生成します。ソーステーブルの宣言、ディメンションテーブルの結合、ウィンドウ計算など、完全なロジックの構築をサポートします。
トラブルシューティング：ジョブのランタイム例外とエラーログを分析して根本原因を特定し、修正を推奨します。
パフォーマンスチューニング：Flink のベストプラクティスに基づき、データスキューや過大な状態などのボトルネックを特定し、パラメーターチューニングと SQL のリライトを提案します。
サードパーティのモデルサービス
Triton Inference Server や PAI-EAS などの推論サービスを通じて、セルフマネージドモデルまたはサードパーティモデルに接続し、Flink ジョブでオンライン推論を実行します。このアプローチは、既存のモデル資産があり、推論サービスを自分で管理する必要があるシナリオに最適です。