PyFlink 本心驱动 Roadmap是什么？

PyFlink 的发展始终要以本心驱动，我们要围绕将现有 Flink 功能输出到 Python 用户，将 Python 生态功能集成到Flink当中为目标。PyFlink的 Roadmap 如图所示：首先解决 Python VM 和 Java VM 的通讯问题，然后将现有的 Table API 功能暴露给 Python 用户，提供 Python Table API，这也就是 Flink 1.9 中所进行的工作，接下来我们要为将Python功能集成到Flink做准备就是集成 Apache Beam，提供 Python UDF 的执行环境，并增加Python 对其他类库依赖的管理功能，为用户提供 User-defined-Funciton 的接口定义，支持 Python UDF，这就是 Flink 1.10 所做的工作。

为了进一步扩大Python生态的分布式功能，PyFlink 将提供 Pandas 的 Series 和 DataFram 的支持，也就是用户可以在 PyFlink 中直接使用 Pandas 的UDF。同时为增强用户的易用性，让用户有更多的方式使用 PyFlink，后续增加在 Sql Client 中使用 Python UDF。面对 Python 用户的机器学习问题，增加 Python 的 ML pipeline API。监控 Python UDF 的执行情况对，对实际的生产业务非常关键，所以 PyFlink 会增加 Python UDF 的 Metric 管理。这些点将在 Flink 1.11 中将与用户见面。

但这些功能只是 PyFlink 规划的冰山一角，后续我们还要进行性能优化，图计算API，Pandas on Flink 的 Pandas 原生 API 等等。。。进而完成不断将 Flink 现有功能推向 Python 生态，将 Python 生态的强大功能不断集成到 Flink 当中，进而完成 Python 生态分布化的初衷。