文档首页/ 智能数据湖 AI DataLake/ 版本规划/ AI DataLake 26.6.0 版本说明

更新时间：2026-08-24 GMT+08:00

AI DataLake 26.6.0 版本说明

本节内容介绍了AI DataLake 26.6.0版本中各引擎版本配套关系和特性说明。

各引擎版本支持情况

AI DataLake当前提供的各引擎版本配套关系和特性说明如表1所示。

表1 各引擎版本支持情况
引擎	版本	版本特性说明
多模数据引擎Aura	3.5.0	多模数据引擎AuraJobV2版本特性说明
AI计算引擎Ray	2.54.0	AI计算引擎Ray 2.54.0版本特性说明
批处理引擎Spark	4.0.0	批处理引擎Spark 4.0.0版本特性说明
流处理引擎Flink	公测期间暂不开放	不涉及

多模数据引擎Aura 3.5.0版本特性说明

表2 多模数据引擎AuraJobV2版本特性说明
主要功能/特性	说明
AuraJobV2端点管理	支持预留资源模式与混合资源模式：预留资源：适合负载稳定、持续运行的业务场景，如生产项目、关键任务。混合模式：兼顾效率与突发场景，适用于日常有稳定负载且存在突发波峰波谷的场景。支持创建ARM类型的通算工作组，支持复用智算CPU资源。支持新增、删除工作组；支持修改工作组资源规格、配额、镜像。支持查看已经提交、运行结束的会话、及会话详细信息，支持停止会话。支持查看已经提交、运行结束的作业，及作业详细信息，支持取消作业。支持查看作业历史监控信息，支持运行时算子监控。支持运行日志对接LTS在租户侧查看。
基于Aura DataFrame的多模处理	基于Aura DataFrame SDK的多模处理，支持异构算力、流水线执行、并发动态自适应调整等能力，提供更好的性能。支持常见的Python DataFrame SDK。支持Python UDF（Scalar UDF、向量化UDF、Class UDF）、UDTF、UDAF。 UDF支持RuntimeEnv的环境隔离能力。 UDF执行支持CPU、GPU、NPU异构算力，支持灵活声明资源规格。通过UDF算子化技术，支持UDF算子的异构pipeline执行，显著提升性能。支持设置UDF级别的亲和调度策略。支持语句级和算子级的性能数据实时观测。
计算资源统一调度	提供对CPU、GPU、NPU等异构计算资源的统一管理与调度能力，用户可通过任务声明式配置，将不同计算密集型负载分配至最优硬件资源。
自定义镜像管理	提供通过自定义Aura镜像创建Aura端点并运行Dataframe作业，用户可在AI DataLake提供的Aura基础镜像之上，通过Dockerfile集成自研算法库、系统依赖包或特定版本的Python库，构建符合业务场景的个性化运行环境。
集群弹性扩缩容	根据端点任务负载情况，在预置的工作组资源最小值和最大值之间进行自动伸缩。
原生API兼容，零代码迁移	AuraJobV2 兼容SQL语法，提供JDBC驱动支持。
数据格式	支持Images、Video、Audio多模格式读写。支持Lance、Iceberg V2/V3、Parquet、CSV、TEXT多种开放文件格式读写。
生态配套	Python 3.10、Python 3.11版本 Iceberg 1.10.0版本 Parquet 17.0.0版本 ORC 1.8.5版本

表3 多模数据引擎AuraJob版本特性说明
主要功能/特性	说明
AuraJob端点	预留资源：适合负载稳定、持续运行的业务场景，如生产项目、关键任务。混合模式：兼顾效率与突发场景，适用于日常有稳定负载，有突发的波峰波谷的场景。
计算资源统一调度	提供对CPU、GPU、NPU等异构计算资源的统一管理与调度能力，用户可通过任务声明式配置，将不同计算密集型负载分配至最优硬件资源。
支持资源弹性扩缩容	根据Job的任务数量能在资源规格配置的最小值与最大值之间自动伸缩。
支持挂载临时存储	临时存储用于作业运行过程中的临时下盘和缓存，可存储中间结果、模型文件等非持久化数据。
自定义镜像管理	支持基于自定义镜像运行，兼容已有程序，无需代码改造。
提供端点监控和作业监控	端点监控：实时掌握AuraJob端点的资源使用情况。作业监控：实时掌握AuraJob端点的作业运行的详情信息，包括CPU使用率、CPU使用量等监控指标。
提供LTS日志记录与查询	将Job标准输出日志自动投递到LTS，系统将自动完成日志的实时采集、查询和分析，从而简化日志管理流程，提高问题定位和故障排查的效率，同时确保日志数据的安全隔离，满足多租户场景下的安全与合规要求。

AI计算引擎Ray 2.54.0版本特性说明

表4 AI计算引擎Ray版本特性说明
主要功能/特性	说明
RayCluster端点	提供预留资源模式，允许用户为关键计算任务预先锁定资源，确保作业调度时资源可用且不被抢占。提供在线扩缩容，基于Head-Worker架构组建RayCluster端点，通过修改端点配置信息，实现在线增删Workergroups。
RayJob端点	提供三种资源模式，适配多样化Ray工作负载。预留资源保障长稳作业混合模式兼顾效率与突发按需弹性实现秒级扩容
计算资源统一调度	提供对CPU、GPU、NPU等异构计算资源的统一管理与调度能力，用户可通过任务声明式配置，将不同计算密集型负载分配至最优硬件资源。
自定义Ray镜像管理	支持通过自定义Ray镜像创建RayCluster或RayJob端点并运行Ray作业。您可以在AI DataLake提供的Ray基础镜像之上，通过Dockerfile集成内部算法库、系统依赖包或特定版本的Python库，构建符合业务场景的个性化运行环境。
Ray集群弹性扩缩容	提供Worker Autoscaling，Worker数量弹性范围可配置，集群将根据当前任务队列长度和资源负载情况，在预置的最小值与最大值之间自动伸缩Worker数量。
原生Ray API兼容，零代码迁移	提供与开源Ray 2.54.0版本完全一致的API接口和行为语义，用户无需修改任何业务代码或工作流，即可将现有Ray应用无缝迁移至AI DataLake平台。
数据格式	支持Audio、Images、Video、WebDataset多模态数据读取，Images多模态数据写入。支持CSV、JSON传统数据读写。
生态配套	兼容Python 3.10、Python 3.11版本

批处理引擎Spark 4.0.0版本特性说明

表5 批处理引擎Spark版本特性说明
主要功能/特性	说明
Spark端点	提供三种资源模式，适配多样化Spark工作负载。预留资源：适合负载稳定、持续运行的业务场景，如生产项目、关键任务。混合模式：兼顾效率与突发场景，适用于日常有稳定负载，有突发的波峰波谷的场景。按需弹性：实现秒级扩容，适合短期或偶发性的业务需求，如开发测试或临时任务。
SparkSQL	支持SQL UDF，支持纯SQL定义函数体，优化器可直接内联展开并参与全局优化。支持表函数返回多行。
SparkJob	PySpark支持原生可视化API，Python Data Source API。更多API信息请参考AI DataLake API参考。改进查询优化器并优化执行引擎，强化多级算子下推与动态分区裁剪能力。增强内存管理机制，提升资源利用效率并降低内存溢出风险。
支持Spark端点监控	实时掌握Spark Job端点和Spark SQL端点的资源使用情况及作业状态，提升运维效率。
计算资源统一调度	提供对CPU资源的统一管理与调度能力。
Spark集群弹性扩缩容	Spark SQL可根据当前任务排队数量，在预置的最小值与最大值之间自动伸缩executor数量。
深度集成 Spark UI	提供Web界面形式的实时监控能力。查看作业DAG执行图、Stage/Task详情、Executor资源使用情况及SQL执行计划。
原生Spark兼容，零代码迁移	提供与开源Spark 4.0.0 版本部分兼容的API接口和行为语义。详情请参见Spark语法参考。
数据格式	支持Iceberg V2、Iceberg V3、Parquet、CSV、TEXT传统湖仓格式读写。
生态配套	Python 3.9版本 JDK 21版本 Scala 2.13版本 Iceberg 1.10.0版本

上一篇：AI DataLake 26.7.0 版本说明

相关文档