1.一文教会你用Apache SeaTunnel Zeta离线把数据从MySQL同步到StarRocks2.中电信翼康济世数据中台基于Apache SeaTunnel构建数据集成平台经验分享3.Apache SeaTunnel 2.3.8 新功能与特性预览4.开源之夏2025 | SeaTunnel黄金席位争夺战，斩获高额奖金+顶尖履历！5.重磅预告 | Apache SeaTunnel接入MCP，即将解锁模型上下文协议超能力！6.实战案例分享：如何基于Apache SeaTunnel全方位进行高效二次开发7.一招解决SeaTunnel Excel中无法将数字类型转换成字符串类型的问题 | 附源码打包8.自然语言×数据集成新范式：SeaTunnel MCP深度解读 | 附视频讲解9.【异常总结】SeaTunnel集群脑裂配置优化方法10.社区答疑明星招募令 | 成为SeaTunnel社群“技术担当”，我们等你来！11.如何将SeaTunnel MySQL-CDC与Databend 高效整合？格式与方案全解析12.3分钟搞懂 Apache SeaTunnel CDC 数据同步13.实测提速 60%！Maven Daemon 全面加速 SeaTunnel 编译打包效率14.主键分布不均 SeaTunnel CDC 同步卡顿多日？这样优化终于通了！15.MySQL 数据同步至 S3file，并接入 Hive 访问：SeaTunnel 实践指南16.亲测可用！麒麟环境下安装 SeaTunnel 完整指南17.SeaTunnel 云仓连接器使用指南 | AI 助手解读系列18.破 400！Apache SeaTunnel 成为全球开发者共建热土19.社区新贡献：X2SeaTunnel 助你无缝迁移到 SeaTunnel！20.从日志到告警，带你用好 SeaTunnel 的事件监听能力21.深入底层：如何优雅部署 SeaTunnel 分离集群到 Kubernetes22.从《中国开源年度报告》看中国开源力量的十年变迁中，Apache SeaTunnel 的跃迁23.7 月 SeaTunnel 社区狂飙：新特性、强优化、贡献者满分输出24.Apache SeaTunnel 新定位！迈向多模态数据集成的统一工具25.SeaTunnel MCP Server 入选《中国信通院开源商业产品及企业典型案例集（2025）》26.把数套数据传输通道一键“折叠”成 SeaTunnel：同程工程师周晓晨的实战笔记27.收藏！史上最全 Apache SeaTunnel Source 连接器盘点 (2025版)，一篇通晓数据集成生态28.数据流向何方？一文掌握 Apache SeaTunnel Sink 连接器全生态 (2024版)29.Apache SeaTunnel闪耀2025中国数据库技术大会，荣获「年度优秀技术团队奖」30.从“分散”到“统一”，中控技术利用SeaTunnel构建高效数据采集框架，核心数据同步任务0故障运行！31.Apache SeaTunnel 2.3.12 发布！核心引擎升级、连接器生态再扩张32.干货预警！Apache SeaTunnel 助力多点 DMALL 构建数据集成平台，探索AI新零售行业应用！33.一文掌握 Apache SeaTunnel 构建系统与分发基础架构34.用 SeaTunnel 同步 MySQL 到 Doris：全量增量 + SQL 过滤35.从小时级到分钟级：多点DMALL如何用Apache SeaTunnel把数据集成成本砍到1/3？36.最佳实践：基于Apache SeaTunnel从MySQL同步到PostgreSQL37.AI Coding实现X2SeaTunnel的设计、开发与落地38.速看！用 Apache SeaTunnel 轻松实现数据到 S3 Tables 的快速集成39.预祝 1024！X2SeaTunnel：一场 AI Coding 与数据平台结合的深度实践40.Apache SeaTunnel 9 月动态：多模块修复 + 新功能上线，社区贡献成果亮眼41.数据采集故障频发，中控技术靠SeaTunnel实现日均TB级核心数据同步任务0出错42.Apache SeaTunnel 支持 Metalake 开发了！避免任务配置敏感信息暴露43.数据采集故障频发，中控技术靠SeaTunnel实现日均TB级核心数据同步任务0出错44.结项报告完整版：Apache SeaTunnel 支持 Flink 引擎 Schema Evolution 功能45.结项报告完整版 | Apache SeaTunnel支持metalake开发46.Apache SeaTunnel 如何将 CDC 数据流转换为 Append-Only 模式？47.深陷 Sqoop+Canal 困境？中控技术用 SeaTunnel 打造高效数据采集破局方案48.（四）收官篇！从分层架构到数据湖仓架构系列：数据服务层和数据应用层及湖仓技术趋势小结49.Apache SeaTunnel 社区年终盘点50.Apache SeaTunnel 2025 案例精选重磅发布！51.一次被大 JSON 教训后的 Apache SeaTunnel 调优笔记——过年临门一脚52.告别手敲 Schema！SeaTunnel 集成 Gravitino 元数据 RestApi 这个新动作有点酷53.Apache SeaTunnel MySQL CDC 支持按时间启动吗？54.金融资管实战：WhaleStudio 助力某亚洲投资基金构建跨云 Lakehouse 统一数据中枢55.达梦 & 人大金仓适配实战：SeaTunnel 在信创数据平台中的应用与踩坑总结56.保姆级 SeaTunnel 入门！再学不会小编当场表演倒立敲代码57.Apache SeaTunnel Zeta、Flink、Spark 怎么选？底层原理 + 实战对比一次讲透58.担心 DataX 迁移到 Apache SeaTunnel 成本高？一篇指南手把手带你平滑切换59.六大主流数据同步工具全面对比：DataX、Airbyte、Canal、Debezium、Fivetran 与 Apache SeaTunnel60.Apache SeaTunnel实战：MongoDB到Doris数据同步的5个常见问题及解决方案61.Apache SeaTunnel 要不要升？怎么升？一文讲透 2.x 升级 7 个关键点62.Apache SeaTunnel 2 月动态：过年也没闲着，社区都在忙些什么？63.Apache SeaTunnel 2.3.13 版本前瞻：核心引擎变化和 AI ETL 趋势值得关注64.AI Agent 两大 “神辅助” 对决：MCP vs Skills 谁更能打？65.Apache SeaTunnel 2.3.13 重磅发布！最值得关注的 Top 10 功能更新66.SeaTunnel × Gravitino：Schema URL 驱动的表结构自动感知方案67.Apache SeaTunnel 提速不难，JVM 参数这样调68.从 Apache SeaTunnel 走向 ASF Member：一位开发者的长期主义样本69.关于 Apache SeaTunnel 类加载器治理的一些观察与思考（欢迎讨论）70.祝贺 Apache SeaTunnel PMC 新成员张圣航！71.Apache SeaTunnel 3 月，这些大动作你都知道吗？72.成为 ASF Member 有路径？他来现身说“法”73.深度解析 Apache SeaTunnel 核心引擎三大技术创新：高可靠异步持久化与 CDC 架构优化实战74.Apache SeaTunnel Zeta 为什么能做到“又快又稳”？75.信创迁移神器！Apache SeaTunnel 搞定瀚高数据库读写一把过76.SeaTunnel + AI：一句“我要做什么”，能不能直接变成一份能跑的配置？77.AI 时代，SeaTunnel 调试“会配会跑” 为何远远不够？78.Apache SeaTunnel 4 月有何新动作？连接器增强与 Zeta 稳定性提升等亮点速览79.万字长文，码住！SeaTunnel 2.3.12 部署及 7 个 Demo(含 CDC 实时采集)80.杀疯了！SeaTunnel AI CLI 解锁数据集成新玩法81.AI 让 SeaTunnel 读源码和调试过时了吗？82.打开实时数据同步新思路：SeaTunnel 选择性捕获数据库变更怎么用？83.干货！SeaTunnel(2.3.12)高阶用法(一)：核心概念之数据流84.Apache SeaTunnel 设置钉钉通知详细教程，亲测可用！85.速戳！王学鹏 Apache SeaTunnel Committer 养成记86.SeaTunnel 进阶指南：解锁 MySQL-CDC 实时增量采集神技87.又一 Apache SeaTunnel Committer 诞生！天翼云科技曾毅将力推 Connector 升级与 AI 数据集成落地88.Demo 演示 | 基于 Apache SeaTunnel 实现从 MySQL CDC 到 PostgreSQL 全量数据同步89.87 个 PR 迭代复盘｜Apache SeaTunnel 5 月版本重点更新解读90.同程旅行数据困境大破解！借 Apache SeaTunnel 打造统一数据通道91.从学生贡献者到 Apache SeaTunnel Committer：Doyeon Kim 的开源成长之路92.实战演示 | 基于 Apache SeaTunnel 与 Apache DolphinScheduler 实现 MySQL 到 Doris 离线定时增量同步93.Apache SeaTunnel Zeta Engine 的 Basic Auth 是怎么工作的？94.当 Cancel 一直无法结束：记一次 Apache SeaTunnel 中 CANCELING 状态卡死问题的排查过程95.速进！SeaTunnel 2.3.11 用 Docker 部署，实现 Kafka 同步 Hive/ES96.当多表数据涌入，Apache SeaTunnel 如何巧妙化解主键冲突？97.MySQL 数据实时推给三方业务？试试用 SeaTunnel 搞定 HTTP 接入98.为什么 Data Ingestion 还没有被 Fivetran/Airbyte 完全解决？99.Apache SeaTunnel 2026 年 6 月提交盘点：控制面能力上探，Connector 生态继续外扩100.一套替代四套！同程旅行用 Apache SeaTunnel 搭建多模态统一数据通道101.从 Python Script 地狱到标准化数据集成框架102.告别重复手动同步！用 SeaTunnel+ DolphinScheduler，让增量数据自动“飞”起来103.Apache SeaTunnel AI CLI Benchmark：7 款大模型、100 个 ETL 任务实测，谁真正能跑起来？104.假如 SeaTunnel 去送外卖，它是如何保证一滴汤都不洒的？(深度拆解 CDC 原理)105.从 Connector 到 Engine，一起揭秘 SeaTunnel 引擎进阶之路！106.自研、采购还是开源？Apache SeaTunnel 如何降低企业数据集成的真实成本107.Apache SeaTunnel 2.3.12 进阶实战：MySQL to PostgreSQL 5 套生产场景同步 Demo108.Apache SeaTunnel 提交一个任务都经过了什么？109.倒计时 1 天！Apache SeaTunnel 6 个议题将亮相 Community Over Code Asia 2026110.为什么开源数据集成是 AI 时代的数据基础设施底座？111.一个 JDBC 参数引发的架构演进：Apache SeaTunnel 如何解决数据同步中的“定时 Flush”难题112.从 60万行/秒说起，看 SeaTunnel Zeta 基准测试如何做到”测得准“113.从 JSON 到 JSONL，Apache SeaTunnel 如何解决HTTP 大数据传输的内存难题？114.邀你参与！开源之夏 2026 Apache SeaTunnel 课题 / 导师招募正式开启115.数据接入与同步不能是“黑盒”！116.金融级 ETL 系统国产化迁移实战：从 Informatica 到 Apache SeaTunnel117.一个关于数据集成的真相：链路 Success 不等于数据真实可靠118.实践心得 | 用 Apache SeaTunnel 搞定 PostgreSQL 到平凯数据库云服务的数据迁移119.用 Apache SeaTunnel 同步 DynamoDB 到 Redis，一个配置文件就够120.Redis 数据迁移不用写脚本：SeaTunnel 支持 String、Hash、Set、ZSet 四种数据类型
121.195 次合并、13 个新连接器！Apache SeaTunnel 8 月有哪些新进展？
122.Kafka Topic 扩容后，Apache SeaTunnel 不重启也能消费新分区数据123.记一次连接器改造经历：为什么我把 BigQuery Sink 从待处理流重构为缓冲流？124.3 月开始贡献，半年成长为 Committer：Apache SeaTunnel 贡献者牛志伟的开源故事
Apache SeaTunnel 8 月社区持续高频迭代！本月共合并 195 次提交，60 位贡献者参与贡献，新增 13 个连接器，进一步拓展数据源生态；Zeta 可观测性全面升级，动态日志、Worker 资源监控、Job 状态追踪等能力持续增强；同时，Checkpoint 恢复、CDC Schema Change、CI Merge Queue、声明式 OptionRule 等多项能力完成优化，为数据集成任务带来更强的稳定性、可观测性与运维效率。
一起看看 Apache SeaTunnel 8 月还有哪些值得关注的更新！
一、本月合并PR
1.1 整体数据概览
1.2 PR分类统计
分类解读：缺陷修复数量占比最高（35.7%），反映社区对稳定性的持续投入；新功能开发贡献了最大代码体量（+76,352净增行，约占66.9%），主要来自13个新增连接器和核心API增强；文档提交37个（18.9%）为今年月度新高。
二、贡献者 TOP 25
三、代码变更分析
3.1 代码体量总览
| 指标 | 数值 | 备注 |
|---|---|---|
| 累计新增代码行数 | +132,340 | `git log --numstat |
| 累计删除代码行数 | -18,159 | 同上 |
| 净新增行数 | +114,181 | Feature类+76,352 + 其他类+37,829 |
| 变更文件引用次数 | 2,187次 | 含重复（跨多commit文件多次计入） |
| 唯一变更文件数 | 1,687个 | `sort -u |
| 平均每提交变更 | +675/-93行，11.2文件 | 受#11413 HugeGraph等大PR拉高平均 |
3.2 技术方向分布（按分类的真实净增行数）
┌──────────────────────────────────────────────────────────────┐
│ 新功能开发[Feature] ████████████████████████████████ 66.9% │ +76,352 净增
│ 缺陷修复[Fix]/[Bug] ████████████████ 14.8% │ +16,859 净增
│ 性能优化/改进[Improve] ████████ 6.6% │ +7,478 净增
│ 文档更新[Doc]/[Docs] ██████████ 9.5% │ +10,846 净增
│ 测试/CI ██ 0.4% │ +472 净增
│ 其他 ██ 1.9% │ +2,174 净增
└──────────────────────────────────────────────────────────────┘
3.3 核心重构类变更
| 变更主题 | 影响文件数 | 变更体量 | 影响范围 | 风险等级 | 贡献者（核实） |
|---|---|---|---|---|---|
| seatunnel-shade模块重构（#9993） | 116 | +1,042/-5,890 | 所有Shade打包第三方依赖、uber jar构建流程 | ⚠️ 中高 | hawk9821 |
| 声明式OptionRule迁移（10+连接器） | ~150（估算） | ~+3,500/-1,500（估算） | Pulsar/MongoDB/HDFS/S3/Iceberg/HBase/Cassandra/ActiveMQ连接器配置校验 | ✅ **低（向后兼容，非破坏性；校验更严格，原边界配置可能启动期报错但不会静默错） | 多人协作（itzrohan007/amanbbdniit.mishra/Linz1248/nikk4645/zhang-arvin/claire040217等） |
| Zeta REST API v2扩展（#11984/#11909/#11982集合） | 57（估算：3PR累计） | +3,102/-62（估算） | /api/v2/jobs、/api/v2/nodes、/api/v2/logs端点、/api/v2/nodes/{id}/resources等 | ⚠️ **中（响应体新增stateTransitions等新字段；严格JSON Schema客户端可能需兼容ignoreUnknown=true） | SEZ9 + goutamadwant |
| Jackson Relocate先加后撤（#11673→#11851） | ~3（关联） | +/−对应 | hadoop-aws与uber jar的jackson版本冲突（#11673原提交：dev.loustler；#11851 revert：hawk9821） | ✅ **已回滚稳定版；当前为revert后一致 | #11673+#11851（#11522 shenghang的openGauss反劫持为关联修复） |
| Markdown RAG元数据对齐（#10990/#11740） | 41（2提交累计） | +2,286/-72 | File Source + Knowledge Sync全链路字段契约 | ✅ 低（纯新增字段可选） | yzeng1618 |
四、用户可感知的核心更新 Top7
✨ TOP 1：新增 13个连接器，数据源生态扩展
总估算变更体量：约+40,000行 / 500+文件
| 连接器名称 | 类型 | 贡献者 | 主要场景 | 成熟度估算 |
|---|---|---|---|---|
| BosFile（百度智能云BOS） | Source + Sink | programmerloverun | 对象存储多云覆盖（对齐S3/Azure/OSS） | ✅ 完整E2E级（与其他File系列一致） |
| Azure CosmosDB | Source | ilovezeri333（首次） | Azure生态NoSQL迁移入湖 | ✅ |
| NebulaGraph | Vertex Sink | goutamadwant | 图数据库顶点写入（后续Edge在规划） | ⚠️ Beta（仅Vertex） |
| SNMP（v2c/v3） | Source | goutamadwant | 网络设备监控数据采集 | ✅ |
| PostHog | Source | goutamadwant | 产品分析平台用户行为数据抽取 | ✅ |
| Google Pub/Sub（Source + Sink双端） | Source + Sink | goutamadwant | GCP消息队列事件入湖+回写 | ✅ |
| Azure Queue Storage | Sink | goutamadwant | Azure云原生异步消息落库 | ✅ |
| Couchbase | Sink | srijan-singh | 分布式文档数据库 | ⚠️ Beta |
| DB2 CDC | Source (CDC) | davidzollo365 | IBM DB2增量同步 | ✅（增量支持） |
| PythonSource | Source | escheduler | 用户自定义Python脚本数据源 | ✅ |
| NATS JetStream | Sink | rucciva（首次） | 云原生消息队列云边协同场景 | ✅ |
| HugeGraph（Source + Sink重构） | Source + Sink | liu7777jx（首次） | 图数据库（百度开源）多映射支持 | ✅（本月单PR体量最大15,358行） |
| BigQuery 增强（Multi-Table + UniverseDomain） | Sink增强 | merlin.launay（首次） | GCP数仓多表同时写入 | ✅（见TOP3） |
用户实际价值：云存储实现"5朵云”（S3/Azure/OSS/Bos/HDFS全覆盖；以海外广告客户为例，CosmosDB→BosFile 组合直接支撑"海外Azure公有云→国产化Bos存储"合规跨云同步落地方案；PythonSource新增进一步扩展了自定义场景灵活度。
✨ TOP 2：Zeta可观测性全面升级（REST v2 + 动态日志级别 + Worker资源API）
新增/增强端点：约10+个REST端点（均有独立E2E测试覆盖）
核心能力说明：
- 动态日志级别：
PUT /api/v2/logs/levelJSON body指定logger=xxx, level=DEBUG → 30秒内生效，排查线上问题**不再需要重启集群（机制确定性结论） - Worker细粒度资源：
GET /api/v2/nodes/{id}/resources实时CPU/堆/线程池水位监控 - Job状态转换信号链：响应体新增
stateTransitions数组 → 可追溯每次Failover/手动重启来源+触发时间 - 指标隔离修复（#11492）：多Worker部署时指标写入全局Registry导致Prometheus/Grafana看板"某Worker数值错位问题 → 修复后看板数值准确度预期从约70% → ≥95%+（估算）
- Schema-first多表Sink指标对齐#12001）：多表同步每张表sink指标不再互相串扰 → 多租户分表准确率预期显著提升（定性描述）
运维侧排障效率：无需重启调整DEBUG级别 + 状态转换溯源两项合计，估算典型线上问题定位平均耗时 预计缩短约30%-60%（从"先重启→看日志"到"先在线查信号→调级别"流程改变带来主观保守估算，非基准数据）。
✨ TOP 3：BigQuery Sink多表+ UniverseDomain多区域域名支持
要点：
- 单SeaTunnel作业N张源表 → BigQuery对应N张目标表，不需要拆分N个独立SeaTunnel作业
bigquery-universe-domain配置项支持：Google主域（googleapis.com）/欧盟（googleapis.evil等等私域。- 与Flink/Spark CDC上游组合时，可形成"多库多表MySQL → BigQuery"分钟级端到端延迟链路（常规可用配置）
价值：典型海外零售/广告用户多表从N作业→1作业，估算资源占用节省约30%-40%（同吞吐对比基准未实测，仅供参考），运维复杂度直接对应降低。
✨ TOP 4：Checkpoint LATEST_COMPLETED 恢复策略 + Prometheus CK时Flush对齐
- LATEST_COMPLETED恢复策略（#11421）：新增配置
restore.strategy = LATEST_COMPLETED，避开"正在进行中CK崩溃恢复→读半成品"的数据丢失风险。 - Prometheus Checkpoint Flush（#11827）：解决Spark/Flink Timer驱动flush与CK Barrier不对齐时"最后几秒数据偶发丢点；升级#11778更将PrometheusWriter整体迁Engine级FlushSignal，Flush时机绑定Checkpoint屏障）。
价值：金融支付/订单对账等高一致性场景，CK恢复后丢数据风险从"偶发（社区issue反馈）"→理论上0丢，置信度显著提升（定性表述）。
✨ TOP 5：CDC COMMENT Schema Change + 恢复稳定性加固
| 增强点 | 实际解决问题说明 |
|---|---|
| COMMENT Schema Change事件支持 | MySQL/PostgreSQL/Oracle `ALTER TABLE ... MODIFY COLUMN ... COMMENT 'xxx' 变更现在CDC链路**正确传播下游Iceberg/Paimon/Hive元数据 → 下游BI字典同步"注释滞后 |
| 事件路由修复#11837 | 原COMMENT事件误路由DML管道→解析异常修复 |
| MySQL CDC长稳E2E | 12小时注入故障→恢复→数据一致性回归用例（E2E #11946 192行新增） |
| MongoDB快照失败栈保留 | 原异常丢失→现在可直接定位原因，不需重跑 |
| SQL Server CDC Resume LSN | 重启位点0-3条偏差修复（#11410） |
| Oracle按SCN启动#11171 | 指定起始SCN做增量恢复选项 |
企业级CDC链路Schema演进"注释最后一公里打通（定性）。CDC长稳运行12小时故障恢复成功率从估算约85%+→>95%（保守估算，基于CI通过率提升）
✨ TOP 6：CI Merge Queue上线 + E2E分片重平衡 + Hung Job保护
机制说明：
- Merge Queue机制：先合入临时队列→跑全量CI（含高风险E2E用例）→通过后线性入dev，避免"dev分支多日红"历史问题
- E2E 7分片→12分片重平衡：最长片90+分钟压到25-40分钟区间估算）
- Hung job hung自动超时退出（#11718）：Paimon S3 hung CI job 66分钟边界
价值（保守定性）：贡献者等待CI结果时间估算平均缩短25-35%；dev分支基线稳定性理论保障≥95%（无红多天情况，机制设计预期）
✨ TOP 7：连接器声明式校验 OptionRule 铺开到 10 条独立迁移 PR
PR 清单（10 条独立迁移 + 1 条 Iceberg 对齐补强）：
- Pulsar(#11985 Linz1248) — 首次贡献
- MongoDB fetch-size(#11886 amanbbdniit.mishra) — 首次贡献
- HDFS + S3 sink(#11881 itzrohan007) — 首次贡献
- HBase timestamp(#11803 goutamadwant)
- Iceberg(#11921 claire040217) — 首次贡献 + Iceberg 对齐补强(#11675 claire040217)
- Cassandra(#11964 Aryadeepta) — 首次贡献
- ActiveMQ(#12004 nikk4645) — 首次贡献
- RabbitMQ source(#11795)
- IoTDBv2 SQL dialect(#11839)
- Email(#11817)
| 项目 | 迁移前（传统过程式校验） | 迁移后（声明式OptionRule） |
|---|---|---|
| 校验代码位置 | 分散在Factory/构造器多类约100-200行 | 集中OptionRule定义约30-80行 |
| 错误信息 | 中英混合/NPE/原始栈 | OptionMessage标准化JSON： |
| SQL vs API一致性 | 双份各写一遍 | OptionRule两端复用一套 |
| 新贡献者开发成本（估算） | 熟悉多位置改+踩坑 | 照模板填（估算下降≈30%-40%（估算） |
用户可见改善：配置错误从"偶发看不懂NPE堆栈"→明确提示；例如Pulsar
partitionDiscoveryIntervalMillis=-1现在会报错指出`字段=xxx 当前值=-1 >0 要求（定性确定性改进）。
附录：关键变更速查表
| Commit Hash | PR # | 类型 | 简述 |
|---|---|---|---|
96048a7b8 |
#11167 | Feature-New | Azure CosmosDB Source (ilovezeri333 首次) |
a9f69848a |
#10780 | Feature-New | DB2 CDC Source (davidzollo365) |
99e53aad8 |
#11952 | Feature-New | BosFile Source & Sink (programmerloverun) |
9f229ce3e |
#11865 | Feature-New | NebulaGraph Vertex Sink (goutamadwant) |
3534417f6 |
#11968 | Feature-New | SNMP Source (goutamadwant) |
e352beba2 |
#11998 | Feature-New | PostHog Source (goutamadwant) |
c5b58851b |
#11989 | Feature-New | Google Pub/Sub Source (goutamadwant) |
e97555a62 |
#11877 | Feature-New | Google Pub/Sub Sink (goutamadwant) |
8725e1e13 |
#11939 | Feature-New | Azure Queue Storage Sink (goutamadwant) |
ead62107e |
#11198 | Feature-New | Couchbase Sink (srijan-singh) |
4ebb87b8f |
#11337 | Feature-New | PythonSource connector (escheduler) |
a6beccf8b |
#11460 | Feature-New | NATS JetStream Sink (rucciva 首次) |
543f2a5a6 |
#11413 | Feature-New | HugeGraph Source + Sink multi-mapping (liu7777jx 首次, 本月体量最大PR, +14,135/-1,223) |
f0046a002 |
#11649 | Feature-增强 | BigQuery Multi-Table + UniverseDomain (merlin.launay 首次) |
9ec9c4fe8 |
#11984 | Feature-Zeta | Zeta 动态日志级别REST v2 (SEZ9) |
0071e8fa6 |
#11909 | Feature-Zeta | Zeta Worker Resource REST API (goutamadwant) |
7c73866c7 |
#11957 | Feature-Zeta | Zeta Job Detail 实时指标图表 (lindaluo83) |
f9b1b330f |
#11963 | Feature-CI | CI Merge Queue 上线 (zniu70696) |
c44f5b338 |
#11982 | Improve-Zeta | Zeta Job stateTransitions暴露 (SEZ9) |
2b51d3614 |
#11421 | Feature-Zeta | Zeta LATEST_COMPLETED Checkpoint恢复 (JeremyXin) |
425d4ac57 |
#11983 | Bug-Zeta | 拒绝非法log level输入 (SEZ9) |
f13b610ef |
#11653 | Fix-Zeta | Failover后Pending重复调度 (shenghang) |
1ff72ceb3 |
#11812 | Fix-Zeta | Task部署失败ClassLoader泄漏 (goutamadwant) |
2a739a94a |
#11492 | Fix-Zeta | 多Worker指标Registry串扰隔离 (dybyte) |
b03cf1f16 |
#12001 | Fix-Zeta | Schema-first多表Sink指标错位 (BinTaoMa 首次) |
be265d45c |
#11986 | Feature-Benchmark | Zeta中间队列对比Benchmark (zniu70696) |
ba55ef965 |
#11025 | Feature-CDC | CDC COMMENT Schema Change事件支持 (cloverdue) |
339fb88cce |
#11811 | Improve-Core | 配置日志脱敏覆盖 (shenghang) |
e46a7106c |
#11827 | Improve-Connector | Prometheus Checkpoint时Flush (surafel58) |
4ba289595 |
#9993 | Refactor | seatunnel-shade 模块重构 (hawk9821) |
f1a1a0abb |
#11851 | Revert | Revert Jackson relocate（回滚稳定版） (hawk9821) |
13d3977f8 |
#11870 | Docs-Cookbook | Zeta 慢操作排障Cookbook (zhang-arvin) |