社区小伙伴们，Apache SeaTunnel 5 月份月报姗姗来迟啦！
据社区统计，2026 年 5 月 apache/seatunnel 仓库累计合入 87 个 PR。本月核心迭代方向为持续完善 Connector-V2，补齐各类细节，做到生产环境可用；深耕 Zeta 引擎，优化高可用、故障恢复、监控和测试；同时强化 CI 安全与回归测试，保障主干分支迭代效率。
本月报内容包含：
- 详细梳理当月合入 PR 的功能特性、性能优化、Bug 修复及架构改进（含全量清单）。
- 深入分析关键技术变更的实现原理与影响范围（含 patch 级代码片段）。
- 提供性能/稳定性对比的可复现实测口径（不虚构跑分）。
- 文章末尾列出 2026 年 5 月所有 PR 提交者（GitHub 用户名、贡献分类统计、贡献度排名）。
1.1 四大维度统计（87 PR）
从数据上来看，本月更像“把能力做实”的月份：大量修复集中在 HA/恢复/边界条件/资源与内存风险/可观测等生产痛点。
1.2 模块分布
- seatunnel-connectors-v2：32
- seatunnel-connectors-v2/connector-cdc：8
2.1 Connector-V2：HTTP Source 支持二进制下载（#10956）
这是本月最具“用户可感知”的连接器能力升级之一：把 HTTP Source 从“拉 JSON/text”扩展到“拉文件/二进制”。
从 PR patch 的变更摘要可直接验证（15 files changed, +758/-17）：
- 新增
binary_chunk_size（默认 10MB）对大文件拆分； - 输出 schema 固定为
(data: bytes, relativePath: string, partIndex: long)；
官方示例：
env { parallelism = 1 job.mode = "BATCH"}source { Http { url = "http://example.com/files/report.pdf" method = "GET" format = "binary" binary_chunk_size = 10485760 schema = { fields { data = bytes relativePath = string partIndex = long } } }}sink { LocalFile { path = "/tmp/download" file_format = "binary" }}影响范围与升级建议：
- 对存量任务：只要默认
format=text 不变，影响可控；但升级后建议用小流量验证下游 transform/sink 是否正确处理 bytes 类型字段。 - 对大文件：
binary_chunk_size 把单次处理的峰值内存从“文件大小级别”压缩到“chunk 级别”，显著降低 OOM 风险（可用 RSS/GC 指标做量化验证）。
2.2 Engine/Zeta：dry-run 渐进式校验（#10763）
[Feature][Zeta] Implement proper dry-run mode with progressive validation layer0
工程价值：
- 把配置错误从“运行时失败”前移到“提交前/启动前失败”，降低生产回滚成本。
- 为后续做更复杂的“渐进式校验层”（例如 connector 参数校验、schema 约束、权限/资源预检）提供框架基础。
2.3 生态能力试点与工具链
本月的特性提交还体现为“控制面/可观测/边缘采集/开发者生态”的补齐：
- #10878：
STIP-24 Phase 1 EdgeSocket ingress（边缘采集 MVP） - #10184：Python SDK Client（SeaTunnel REST API）
- 多表与 schema 演进（RabbitMQ/Cassandra/SqlServer CDC/Postgres-CDC 等）
3.1 Kudu：依赖升级解决 Flink 1.15+ 兼容性风险（#10974）
该 PR 的价值更偏“可运行性/兼容性”，但标题为 Improve+Upgrade，被归为“性能优化”类。
实现原理：
- 升级
kudu-client 版本以减少与 Flink 1.15+ classpath 冲突风险； - 去除对 Kudu shaded Guava 的显式引用，避免依赖内部 shaded API 漂移导致的运行时问题。
可复现实测口径（建议）：
- 在 Flink 1.15+ 环境跑同一份 Kudu 作业，比较：
- 作业启动成功率（是否卡住/是否出现 NoClassDefFoundError）
- 30 分钟稳定性（是否出现 slot allocation/release loop）
3.2 Kafka：默认缓存队列深度从 1024 降到 2 防 OOM（#10954）
标题明确写出：Reduce default reader_cache_queue_size from 1024 to 2 to prevent OOM
量化解读（可验证推导）：
- 队列深度上限减少 512 倍（1024 -> 2）。
- 若单条缓存对象占用较大（例如包含反序列化后的 row），该默认值调整可显著降低峰值内存与 GC 压力。
建议对比指标：
- RSS 峰值、GC 次数、Young/Old GC 耗时、OOM 发生率、吞吐变化（rows/s）。
4.1 Zeta：master failover 导致 job 永久卡住（#10836）
标题信息已给出影响范围：affects BATCH / bounded source / job shutdown phase
此问题可能导致典型生产危害：
- 作业进入“应结束”状态但无法完成 -> 资源泄漏、重复调度、数据落库不一致风险上升。
建议上线验证：
- 模拟 master failover（或节点故障）后，观察：
- job 是否能走完 shutdown phase 并终态一致
- 状态清理是否存在竞态（可结合 #10687 等修复一起观察）
4.2 安全修复：日志 REST API 路径穿越（#10628）
[Fix][Zeta] Fix path traversal vulnerability in log file REST API endpoints
建议运维动作：
- 升级后在网关/Ingress 层补充访问控制（仅授权用户可访问日志 API）。
- 配合安全扫描验证路径穿越已被阻断（构造
../ 请求）。
这些修复共同指向 Zeta 在 5 月显著加强“故障后恢复链路”的健壮性，尤其是节点失败后的 state 清理竞态与 restore 过程信息复用。
5.1 HTTP 二进制下载（#10956）：设计、语义与影响范围
核心点：
format=binary
binary_chunk_size
- 输出 schema 固定化，便于下游 sink 实现明确的写入语义；
- 限定 BATCH，避免与流式“持续下载”语义混淆。
对用户的直接价值：
- HTTP 既能“拉接口数据”，也能“拉文件”，降低链路复杂度。
风险与建议：
- chunk 拆分后，下游 sink 必须具备“按
relativePath+partIndex 拼接/写入”的语义；建议优先配合官方提供的 binary file sink 或具备 bytes 写入能力的 sink。
5.2 SQLite upsert 语法修正（#10880）：为什么是 EXCLUDED
SQLite 的 upsert 语义要求在冲突更新时引用 EXCLUDED.<col>而非 VALUES(<col>)。该 PR 把 SQL 拼接修正为：
- `col`=VALUES(`col`)
+ `col`=EXCLUDED.`col`
并新增单测做精确断言，降低回归风险。
5.3 Milvus 错误异常引用修复（#10975）：排障成本的“非功能性”优化
单行 diff 却是高价值修复：
- loadStateResponse.getException()+ queryResultsR.getException()
修复后错误信息更真实，避免排障路径走偏。
5.4 Zeta flaky test 修复（#10891）：把时序依赖变为可控状态
patch 显示测试从“真实 submitJob + 等待队列”改为“mock server + mock JobHistoryService + 构造 pendingJobDAGInfo”，减少非确定性因素，提升 CI 稳定性。
5 月 PR 大量属于兼容性修复、稳定性治理、默认参数安全性调整，并不一定自带 benchmark/JMH 报告。为了让结论可验证，建议按变更类型选择指标：
- 默认参数变更类：RSS 峰值、GC、OOM、吞吐变化。
- chunk/切分策略类：峰值内存、端到端耗时、输出一致性（hash）。
- 依赖升级兼容类：启动成功率、启动耗时分位数、长跑稳定性。
通用复现模板：
在五月的时光里，Apache SeaTunnel 项目能够蓬勃发展、功能日益强大，离不开每一位贡献代码的小伙伴。衷心感谢大家的辛勤付出与无私奉献，是你们用一行行代码，为项目注入了源源不断的活力！
以下为 5 月份贡献者名单：
（排名规则：按当月合入 PR 数降序；贡献分类为本文四象限分类的计数汇总。）
下表按合入日期排序，逐条列出当月所有 merged PR（含标题、提交者、分类、模块），可帮助读者快速定位：
Apache SeaTunnel
Apache SeaTunnel是一个云原生的多模态、高性能海量数据集成工具。北京时间 2023 年 6 月1 日，全球最大的开源软件基金会ApacheSoftware Foundation正式宣布SeaTunnel毕业成为Apache顶级项目。目前，SeaTunnel在GitHub上Star数量已达9k+，社区达到7000+人规模。SeaTunnel支持在云数据库、本地数据源、SaaS、大模型等170多种数据源之间进行数据实时和批量同步，支持CDC、DDL变更、整库同步等功能，更是可以和大模型打通，让大模型链接企业内部的数据。
https://github.com/apache/seatunnelhttps://seatunnel.apache.org/https://seatunnel.apache.org/download我们相信，在「Community Over Code」（社区大于代码）、「Open and Cooperation」（开放协作）、「Meritocracy」（精英管理）、以及「多样性与共识决策」等 The Apache Way 的指引下，我们将迎来更加多元化和包容的社区生态，共建开源精神带来的技术进步！我们诚邀各位有志于让本土开源立足全球的伙伴加入 SeaTunnel 贡献者大家庭，一起共建开源!https://github.com/apache/seatunnel/issueshttps://github.com/apache/seatunnel/pullsdev-subscribe@seatunnel.apache.orghttps://join.slack.com/t/apacheseatunnel/shared_invite/zt-3uouszk3m-PtLLNyZsJVqE5Gb6gn24mAhttps://x.com/ASFSeaTunnel
