一、内存管理优化

原有TaskExecutor有一些缺点：

流处理和批处理用了不同的配置模型；

流处理的堆外配置RocksDB复杂，需要用户配置；

为了使内存管理更明确直观，Flink 1.10对TaskExecutor内存模型和配置做了重大改进，这个更改使FLink更适合于各种部署环境：K8S，Yarn，Mesos。

这种更改统一了入口点，使得下游框架比如zeppelin的编程更加容易。

二、集成Kubernetes

这对于想要在容器中使用Flink的用户是一个非常好的消息。

在Flink1.10中推出了Active Kubernetes集成

Flink的ResourceManager（K8sResMngr）与Kubernetes进行本地通信以按需分配新的Pod，类似于Flink的Yarn和Mesos集成。用户还可以利用命名空间为聚合资源消耗有限的多租户环境启动Flink集群。事先配置具有足够权限的RBAC角色和服务帐户。

用户可以简单地参考Kubernetes配置选项，然后使用以下命令在CLI中将作业提交到Kubernetes上的现有Flink会话：

./bin/flink run -d -e kubernetes-session -Dkubernetes.cluster-id=<ClusterId> examples/streaming/WindowJoin.jar

三、集成Hive

Flink 1.10通过开发将Hive集成到Flink，可用于生产环境。

并且支持大部分Hive版本，Flink支持Hive版本列表：

• 1.0
  

• 1.0.0
  
• 1.0.1
  

• 1.1
  

• 1.1.0
  
• 1.1.1
  

• 1.2
  

• 1.2.0
  
• 1.2.1
  
• 1.2.2
  

• 2.0
  

• 2.0.0
  
• 2.0.1
  

• 2.1
  

• 2.1.0
  
• 2.1.1
  

• 2.2
  

• 2.2.0
  

• 2.3
  

• 2.3.0
  
• 2.3.1
  
• 2.3.2
  
• 2.3.3
  
• 2.3.4
  
• 2.3.5
  
• 2.3.6
  

• 3.1
  

• 3.1.0
  
• 3.1.1
  
• 3.1.2
  

需要引入依赖

<!-- Flink Dependency -->
<dependency>
  <groupId>org.apache.flink</groupId>
  <artifactId>flink-connector-hive_2.11</artifactId>
  <version>1.10.0</version>
  <scope>provided</scope>
</dependency>
<dependency>
  <groupId>org.apache.flink</groupId>
  <artifactId>flink-table-api-java-bridge_2.11</artifactId>
  <version>1.10.0</version>
  <scope>provided</scope>
</dependency>
<!-- Hive Dependency -->
<dependency>
    <groupId>org.apache.hive</groupId>
    <artifactId>hive-exec</artifactId>
    <version>${hive.version}</version>
    <scope>provided</scope>
</dependency>

连接Hive代码

val settings = EnvironmentSettings.newInstance().useBlinkPlanner().inBatchMode().build()
val tableEnv = TableEnvironment.create(settings)
val name            = "myhive"
val defaultDatabase = "mydatabase"
val hiveConfDir     = "/opt/hive-conf" // a local path
val version         = "2.3.4"
val hive = new HiveCatalog(name, defaultDatabase, hiveConfDir, version)
tableEnv.registerCatalog("myhive", hive)
// set the HiveCatalog as the current catalog of the session
tableEnv.useCatalog("myhive")

四、PyFlink：支持UDF

从Flink 1.10开始，PyFlink开始支持UDF函数。

用户还可以pip使用以下方法轻松安装PyFlink ：

pip install apache-flink

五、其他重要变化

• Flink现在可以编译并在Java 11上运行。
  
• 一个新的Elasticsearch sink，完全支持Elasticsearch 7.x版本。
  
• Kafka 0.8 和 0.9 版本已经被废，不再支持。
  
• 删除了非认证网络流量配置选项taskmanager.network.credit.model。
  
• 删除了旧版Web UI。