[Feature Request]: [Iceberg/Managed] Continuous unbounded streaming support in beam.managed.Write(ICEBERG) (Append & CDC)
Los mantenedores suelen responder en 1 día
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 5/5
- Tiempo estimado
- Más de una semana
- Aptitud para principiantes
- 25/100
- Tipo de issue
- Nueva funcionalidad
- Claridad
- Bastante claro
- Estado de actividad
- Activo
Línea de trabajo
Start by reading the implementation of beam.managed.Write for Iceberg and the existing managed write tests; the issue does not name specific files. Trace how bounded writes build and commit Iceberg snapshots, then check streaming runner checkpoint and watermark integration. Done means unbounded writes support append and CDC modes with periodic or checkpoint-aligned commits and watermark metadata.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
Description
Currently, beam.managed.Write(beam.managed.ICEBERG) is designed primarily for bounded (batch) PCollections. When writing unbounded streaming data (e.g., Kafka event logs, Pub/Sub streams, or continuous CDC streams from Debezium/Spanner), Beam lacks native streaming sink support to coordinate periodic snapshot commits against Iceberg catalogs (Google Cloud BigLake REST Catalog, Apache Polaris, AWS Glue).
Because Iceberg query engines (BigQuery, Trino, Spark) only read committed table snapshots, continuous streaming pipelines need native checkpoint-aligned snapshot commits so data becomes queryable with low latency.
Proposed Architecture
Extend beam.managed.Write(beam.managed.ICEBERG) to natively accept unbounded PCollections and manage streaming snapshot commits:
beam.managed.Write(
beam.managed.ICEBERG,
config={
"table": "my_catalog.db.orders",
"warehouse": "gs://my-bucket/lakehouse/wh",
"commit_interval": "60s", # maximum time between snapshot commits
"mode": "append", # "append" for event logs, or "merge-on-read" for CDC
"catalog_properties": {
"type": "rest",
"uri": "https://biglake.googleapis.com/iceberg/v1/restcatalog",
}
}
)
Key Capabilities
- Unbounded Streaming Ingestion: Native execution on streaming runners (Dataflow Streaming Engine with Windmill, FlinkRunner).
- Checkpoint-Aligned Snapshot Commits: Flushes data files and writes atomic Iceberg snapshots coordinated with runner checkpoints or periodic commit intervals.
- Dual Ingestion Semantics:
- Append-only Streams: High-throughput Parquet DataFile appends (Kafka, Pub/Sub).
- CDC Streams (Merge-on-Read): Automatically generates Iceberg v2 Equality Delete files alongside DataFiles for row-level UPSERT and DELETE operations.
- Watermark Propagation: Records the pipeline's event-time watermark directly into the Iceberg snapshot summary metadata (
snapshot.summary['beam.watermark']), giving downstream readers a verified consistency bound.
- Lenguaje dominante
- Java
- Estrellas
- 8.7k
- Forks
- 4.8k
- Merge medio
- 2 d 12 h
- PR fusionados (30 d)
- 371
Preparar el entorno
- Sin Dockerfile ni archivo de Docker Compose
- Tiene una plantilla de pull request
- Leer la guía de contribución
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Más de apache/beam
-
Release notes links wrongAbiertoawaiting triage bug P3
Dificultad 1/5 Menos de una hora Aptitud para principiantes 67/100
apache/beam#41197 · 2 comentarios ·
Los mantenedores suelen responder en 1 día
-
[Bug]: [Python] WriteToJson silently rounds floats to 10 decimal placesPosiblemente ocupada @Abhi2939 la tomó hace 2 días. Abiertoio P2 python yaml
Dificultad 2/5 1-3 horas Aptitud para principiantes 62/100
apache/beam#41102 · 4 comentarios ·
Los mantenedores suelen responder en 1 día
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 68/100
apache/beam#39624 · 2 reacciones ·
Los mantenedores suelen responder en 1 día
-
[Bug]: PubsubIO used in batch incorrect batch cutoff sizePosiblemente ocupada @1fanwang la tomó hace 79 días. Abiertobug io P3 pinned pubsub
Dificultad 2/5 1-3 horas Aptitud para principiantes 78/100
apache/beam#28011 · 4 comentarios ·
Los mantenedores suelen responder en 1 día
-
build P3 sub-task
Dificultad 1/5 Menos de una hora Aptitud para principiantes 68/100
Los mantenedores suelen responder en 1 día
Todos los issues de apache/beam
Issues similares
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 78/100
-
Type: Bug
Dificultad 2/5 1-3 horas Aptitud para principiantes 83/100
MovingBlocks/Terasology#5415 ·
-
type: possible bug
Dificultad 2/5 1-3 horas Aptitud para principiantes 66/100
-
面渣逆袭Spring事务传播机制勘误Abierto
Dificultad 1/5 Menos de una hora Aptitud para principiantes 80/100
itwanger/toBeBetterJavaer#218 ·
-
Markdown and Astro language servers do not start when the project path contains a non-ASCII character or a spacePosiblemente ocupada @RoiSoleil la tomó hoy. Abierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 78/100
eclipse-wildwebdeveloper/wildwebdeveloper#2277 ·
Los mantenedores suelen responder en 1 día