Versão 2025-10-13 - Realtime Compute for Apache Flink: Central de Documentação do Alibaba Cloud

Este tópico descreve as principais atualizações de recursos e correções de bugs na versão do Realtime Compute for Apache Flink lançada em 13 de outubro de 2025.

Importante

A atualização de versão está sendo liberada gradualmente para os usuários. Para mais informações, consulte o anúncio mais recente no console do Realtime Compute for Apache Flink. Os novos recursos desta versão ficam disponíveis somente após a conclusão da atualização na sua conta. Para solicitar uma atualização acelerada, envie um ticket.

Visão geral

Esta versão traz atualizações de engine e plataforma, incluindo novas capacidades de conectores, busca vetorial com IA, melhorias em SQL, otimizações de desempenho e correções de bugs.

Engine

Ingestão de dados

Kafka source: O formato Canal-JSON agora analisa campos nativos MySQL_TYPE, melhorando a fidelidade de tipos no consumo de eventos de alteração do MySQL.

Conectores

Conector Hologres: Especifique o tipo de binary log a ser lido para obter controle mais granular da sincronização de dados.
Conector StarRocks: Atualizado para alinhamento com a versão 1.2.11 do StarRocks Connector for Flink.
Conector Lindorm: Tabelas de dimensão agora suportam junções um-para-muitos.
Conector MaxCompute: Defina um fuso horário personalizado para processar dados entre fusos diferentes.
Conector SLS: O parâmetro processor permite pré-filtrar dados do Simple Log Service (SLS) antes do consumo, reduzindo custos de processamento downstream.

Capacidades de IA

Busca vetorial: A função VECTOR_SEARCH executa buscas de similaridade em tempo real usando Milvus. Consulte VECTOR_SEARCH.
Função de IA: Novos parâmetros configuráveis oferecem maior controle sobre o comportamento da função de IA.

SQL e gerenciamento de dados

Conversão JSON: Use a função JSON_QUERY para converter um array em uma string JSON diretamente para ARRAY<STRING>. Consulte Funções JSON.
StarRocks Catalog: Não é mais necessário passar explicitamente uma URL ao usar o StarRocks Catalog.

Otimizações de desempenho

Conector MySQL: O pushdown de predicados para tipos booleanos foi otimizado, reduzindo transferências desnecessárias de dados.
Conector Hologres: Pushdown de projeção e compressão de dados são aplicados no consumo de binary logs, diminuindo a sobrecarga de rede e processamento.
Conector MaxCompute: O desempenho de gravação de tipos complexos, como arrays, em tabelas regulares foi aprimorado.

Plataforma

Novas capacidades

Capacidade	Status	Região
Workflows	Visualização pública	EUA (Vale do Silício)
Faturamento híbrido para workspaces YITIAN ARM	Disponível agora	China (Ulanqab)

Melhorias na experiência da plataforma

Experiência de compra

O limite de 1.000 unidades de computação (CU) para workspaces por assinatura foi removido. Essa mudança aplica-se a upgrades, novas compras e conversões de pagamento conforme o uso para assinatura, habilitando dimensionamento elástico para jobs de grande escala.

Observabilidade

Exibição unificada de métricas de garbage collection (GC): As métricas de GC agora suportam ParallelGC e CMS, permitindo monitoramento unificado entre diferentes tipos de GC.
**Nova métrica busyTimePerSecond**: Fornece insights precisos sobre a carga do job para ajudar a identificar gargalos de desempenho, alocar recursos de forma eficaz e garantir a estabilidade do job.

Modelo de permissões

As permissões de pasta foram unificadas com as permissões de rascunho de job e consulta de dados. Crie pastas sem encontrar erros de permissão.

Tabela materializada

Ao editar uma tabela materializada, atualize a versão do Ververica Runtime (VVR) diretamente no editor. O editor também suporta comparação de versões e atualiza automaticamente o deployment do job.

Configuração de entrega de mensagens

Personalize o escopo de entrega das mensagens para obter controle mais granular e reduzir custos de notificação.

Resumo dos recursos

Recurso	Descrição	Referência
Gravações em lote concorrentes no Hologres	Gravações concorrentes em tabelas Hologres com chave primária após reshuffle, aumentando o throughput de gravação.	Opções de conector (VVR 11 ou posterior)
Otimização de consumo de binary log do Hologres	Pushdown de projeção e compressão de dados ao consumir binary logs, reduzindo sobrecarga de rede e processamento.	—
Especificação de tipo de binary log do Hologres	Especifique o tipo de binary log a ser lido para sincronização de dados mais granular.	—
Análise de `MySQL_TYPE` no Canal-JSON do Kafka	O formato Canal-JSON para Kafka source agora analisa tipos nativos do MySQL.	Kafka
Conversão de JSON `String` para `ARRAY<STRING>`	Use `JSON_QUERY` para converter um array em uma string JSON para `ARRAY<STRING>`.	Funções JSON
Busca vetorial com IA	A função `VECTOR_SEARCH` executa buscas de similaridade em tempo real usando Milvus.	VECTOR_SEARCH
Configuração de fuso horário do MaxCompute	Fusos horários personalizados para processamento de dados entre fusos diferentes.	MaxCompute
Processor de consumo do SLS	O parâmetro `processor` pré-filtra dados do SLS antes do consumo, reduzindo custos de processamento downstream.	SLS

Correções importantes

Correções de conectores

PostgreSQL CDC: Corrigido um deadlock durante a leitura de dados com PostgreSQL CDC.
Conector Kafka: Resolvido um problema em que o conector descartava informações de fuso horário ao converter timestamps com atributos de fuso horário.
Conector Lindorm: Corrigida uma NullPointerException durante junções com tabela de dimensão do Lindorm.
Conector Paimon: Corrigido um erro em que visualizar ou excluir uma tabela Paimon após configuração incorreta de parâmetro retornava Could not find any factory for identifier 'last_not_null_value'.

Correções de SQL

**Função JSON_QUERY**: Corrigido um problema de formato na cláusula RETURNING ARRAY<STRING>.