多维数据分析：grouping sets ,rollup,cube等

flip-162时区分析

时区问题：proctime未考虑时区，timestamp 也没有时区，各种current_time，now未考虑时区

• 时间函数：current_timestamp 返回utc+0

• 支持 tiestamp——ltz类型 timestamp vs timestamp_ltz

• 纠正proctime()函数

• 夏令时支持-同timestamp_ltz

flip-163 改进sql-client，hive兼容性

支持更多实用配置

• 支持statement set

flip-136 增强datastrem 和 table的转换

支持ds 和table转换时传递 event time 和 watermark

• 支持changelog数据流在table和datastream间相互转换

Flink 1.13: Towards Scalable Cloud Native Application

Flink 1.13 新增了被动资源管理模式与自适应调度模式，具备灵活的伸缩能力，与云原生的自动伸缩技术相结合，能够更好地发挥云环境下弹性计算资源的优势，是 Flink 全面拥抱云原生技术生态的又一重要里程碑。本次议题将对 Flink 1.13 中的被动资源管理、自适应调度、自定义容器模板等新特性，我觉得这个的扩展才是Flink此次版本特别重要的一个feature

• 云原生 时代 flink，k8s,声明api，可弹性扩展

• k8s高可用-（zk，k8s可选）

• Rescale （reactive mode → adaptive mdoe → autoscaling mode(TBD，还未支持)）https://ci.apache.org/projects/flink/flink-docs-release-1.13/docs/deployment/elastic_scaling/

• < 56c p>Flip-158 generalized incremental checkpoints 让checkpoint更短时间

• Pod Template 自定义Pod模板支持

• Fine-细粒度资源管理-featrue 大概1.14支持

• 纵向扩展资源和横向扩展资源，tm cpu → k8s, mem→no

面向流批一体的 Flink 运行时与 DataStream API 优化

在 1.13 中，针对流批一体的目标，Flink 优化了大规模作业调度以及批执行模式下网络 Shuffle 的性能，从而进一步提高了流作业与批作业的执行性能；同时，在 DataStream API 方面，Flink也正在完善有限流作业的退出语义，从而进一步提高不同执行模式下语义与结果的一致性

api下面的shuffle架构实现

• 有限作业和无限作业，和预期结果一致

• 大规模作业优化 consumerVetexGroup partitionGroup

• 有限流作业结束一致性，2pc😁😁

• 流批-数据回流

• piplien and block-缓存主要是，离线处理

State backend Flink-1.13 优化及生产实践

• 统一savepoint 可以 切换rocksdb

• state-backend 内存管控，

• c 14ad heckpoint save point https://zhuanlan.zhihu.com/p/79526638

• 更快速的checkpoint & falover

flink1.14 的展望

• 删除legacy planner

• 完善window tvf

• 提升 schema handing

• 增强cdc

参考

更多可以查看Flink官网 https://ci.apache.org/projects/flink/flink-docs-release-1.13/release-notes/flink-1.13/

参考部分：https://tw511.com/a/01/34869.html
吴邪，小三爷，混迹于后台，大数据，人工智能领域的小菜鸟。
更多请关注