Flink1.14.2发布，除了log4j漏洞你还需要关注什么？

Flink1.14.2 Release版本已经在12月16日发布，主要是修复了Log4j导致的可执行任意代码的漏洞问题，但是还有一些非常重要的功能更新。

我挑了其中比较重要的列出来。

flink-pulsar-connector导致的OOM问题

Pulsar客户端在底层使用的 Netty 在 Java 11 和 Java 8 上分配内存的方式不同。在Java 11 上，它将从 Java 直接内存池中分配内存，并受 MaxDirectMemory限制。当前的Pulsar客户端没有用于控制内存限制的配置选项，这可能导致OOM。

建议用户在JDK8环境下使用Pulsar连接器，或者为Flink开启足够内存。

Table API & SQL

DataStream API and Table API的pipeline name修改为一致

批处理模式下 DataStream API 程序的默认作业名称已从"Flink Streaming Job"更改为"Flink Batch Job"。可以使用配置选项"pipeline.name"设置自定义名称。

fromChangelogStream方法

与 1.13.2 相比，StreamTableEnvironment.fromChangelogStream 方法可能会产生不同的流，因为之前没有正确考虑主键。

Table#flatMap支持新的类型推断

Table.flatMap() 现在支持新的类型系统。用户可以进行功能升级。

为新的 API 方法添加 Scala 隐式转换

在 DataStream API 和 Table API 之间新增新的 Scala 隐式转换。

删除 SQL 客户端中的 YAML 环境文件支持

sql-client-defaults.yaml 文件在 1.13 版本中已弃用，现在已完全删除。作为替代方法，您可以使用 -i 启动选项来执行 SQL 初始化文件以设置 SQL 客户端会话。SQL 初始化文件可以使用 Flink DDL 来定义可用的目录、表源和接收器、用户定义的函数以及其他执行和部署所需的属性。

废弃/删除了一些API

1. 以下 Maven 模块已重命名：

flink-table-planner-blink -> flink-table-planner
flink-table-runtime-blink -> flink-table-runtime
flink-table-uber-blink -> flink-table-uber

由于删除了 BatchTableEnvironment，BatchTableSource 和 BatchTableSink 也被删除了。请改用 DynamicTableSource 和 DynamicTableSink。

2. TableEnvironment#connect方法删除

3. 弃用 toAppendStream 和 toRetractStream

4. SQL Kafka 连接器和 SQL Elasticsearch 连接器的旧版本及其相应的旧格式已被删除。'connector.type='或'format.type='变更为'connector='选项。

5. 删除 BatchTableSource/Sink、HBaseTableSource/Sink 和相关类

6. 删除 BatchTableSource、ParquetTableSource和相关类

7. 删除 BatchTableSource、OrcTableSource和相关类

8. PyFlink中删除BatchTableEnvironment和旧planner的使用

DataStream API

修复多个输入操作符的空闲处理

AbstractStreamOperator、Input 等类添加了 processWatermarkStatusX 方法。它允许在两个/多个输入操作符中组合水印时考虑 WatermarkStatus。

POJO字段上可以使用@TypeInfo注解

Connectors

暴露标准化Metrics

使用统一的 Source 和 Sink 接口的连接器将自动暴露某些标准化指标。

KafkaSink 取代了 FlinkKafkaProducer

FlinkKafkaConsumer废弃

Checkpoints

alignmentTimeout语义变更

alignmentTimeout配置的语义已经改变了含义，现在是检查点开始和任务接收到检查点屏障之间的时间。

BROADCAST 禁用未对齐检查点

广播分区不能与未对齐的检查点一起使用。因为无法保证在所有通道中以相同的速率消费数据。这可能导致某些任务应用与某个广播事件相对应的状态更改，而其他任务则不会。还原时，可能会导致状态不一致。

不在支持Apache Mesos

「Mesos is phasing out gradually and has been replaced with Kubernetes in the containerized world」。

准备和Mesos说在再见吧。