2025 年，是 StarRocks 持续深耕与进化的一年。围绕 Lakehouse 与 AI 实时能力，多个关键能力在迭代与实践中渐次落地。项目的每一步前行，都得益于社区每一次真实的反馈与贡献。
站在岁末年初，我们希望通过这篇文章，与大家共同回顾 2025 的重要时刻，并分享关于 2026 的规划与期待。
技术亮点：性能突破的一年
关键里程碑：StarRocks 4.0 发布
10 月 17 日，StarRocks 4.0 版本发布，在性能 与易用性 上都有明显提升。在 TPC-DS 测试中，新版本的查询速度同比提升了约 60%，进一步稳固了 StarRocks 作为高性能分析引擎的地位。
4.0 版本显著增强了对Apache Iceberg 的支持，包括隐藏分区处理、更快的元数据解析、全新的 Compaction API，以及原生 Iceberg 表写入。同时，将 JSON 升级为一等数据类型：无需进行数据平展，开箱即用即可获得 3--15× 的查询加速。借助更智能的 Compaction、元数据缓存与文件捆绑，云端 API 调用次数最高可减少 90%。
此外，StarRocks 4.0 引入了以 Catalog 为中心的 Iceberg 治理机制，并新增了 Decimal256、多语句事务及 ASOF JOIN 等特性，以适配更广泛的业务场景。在运维易用性方面，通过引入节点黑名单 、不区分大小写的标识符 以及全局连接 ID 等特性，让集群管理与问题定位更直观、更可靠。
Apache Iceberg：从外部表格式到湖仓原生底座
2025 年，StarRocks 围绕 Apache Iceberg 的支持更趋系统化：不再分散在单点功能的局部优化，而是将 Iceberg 视为湖仓架构的核心组件，重点解决性能波动、查询变慢和运维复杂等实际痛点。目标既关注性能提升，也强调端到端的可预测性，以保障关键业务在生产环境中的稳定运行。
-
优化器层：增强对湖上数据的理解；通过从真实查询执行中学习，降低对不完整元数据的依赖，使查询计划更贴近实际数据分布。
-
数据访问层：改进缓存与 I/O 行为，降低大查询、混合负载与远程存储带来的性能波动。
-
引擎层：进一步内化 Iceberg 特有复杂性，让 Iceberg 表在查询与写入上的体验更接近原生表。
-
治理与安全：随着生产采用扩大，同步强化生命周期管理与安全能力，提升可追溯性、可维护性与企业就绪度
物化视图：面向实时 Lakehouse 负载的"零抖动"加速层
在生产系统中，难点往往不在于单次查询能有多快，而在于性能是否足够可预测。数据持续变化、流量波峰以及缓存不稳定，都可能带来查询延迟的波动。
近期版本更新中，StarRocks 强化了物化视图（MV），使其更适合作为 Lakehouse 负载的稳定加速层。多列分区 MV 现可与 Apache Iceberg、Hive 的表分区直接对齐，从而实现更高效的增量刷新更稳定的 MV 利用率。
对于 SLA 关键负载，更清晰的 MV rewrite 行为，以及 force_mv 等选项，使查询能够更稳定地使用预计算结果；同时，新写入数据也能以可控、可预测的方式纳入刷新与查询流程。由此，性能一致性与数据新鲜度不再依赖运行时状态，而可以按业务诉求明确设定与实现。
在运维层面，基于分区的保留策略完善了生命周期管理，使 MV 更易于长期保持紧凑、可管理，并控制整体成本。
综合来看，这些改进让 MV 从临时的优化手段，转变为支撑低抖动、可预测 Lakehouse 性能的可靠加速基础。
Real-Time Analytics
2025 年，实时分析是 StarRocks 的关键方向之一。无论是传统 OLAP 与湖仓分析，还是作为 AI Agent 的底层支撑，低延迟、实时的查询能力都变得前所未有地重要。
整体来看，StarRocks 在实时分析上的工作主要聚焦于三个核心领域：
数据写入
-
Merge Commit：将零散的小批量写入合并为高效的事务。
-
通过 Load Spill 和文件捆绑技术，减少 Compaction 和小文件带来的开销。
-
面向对象存储：降低实时写入成本，并提升扩展性。
查询性能
-
算子与优化器深度增强：加速 Join、聚合，并提升 spill 处理效率。
-
缓存与统计信息更智能：缩短规划（planning）时间，同时提升执行效率。
-
对 JSON 及复杂实时数据类型与负载提供原生支持。
运维可靠性
-
分区生命周期管理增强（TTL、merging）：面向实时与 up-to-date 的分析需求。
-
物化视图（MV）增强：支持更高效的增量刷新与查询加速。
-
plan stability 工具：降低真实业务负载下的延迟波动。
🌍 社区成长与互动
这一年，StarRocks 社区以前所未有的速度发展壮大：区域落地更密集，贡献者更活跃，全球关注度也在持续提升。
Slack 社区成员超过 5,000 人、GitHub Star 超过 11,000，这些数字背后，是越来越多开发者愿意走进项目、参与讨论、加入共建。StarRocks GitHub 主仓库贡献者已达 500+，新增 PR 仍保持稳定输出。
StarRocks Contributor Awards
是迄今为止覆盖最广、国际参与度最高的一届贡献者表彰。奖项不仅致敬推动技术演进、分享一线实践的贡献者，也表彰在各地社区持续耕耘、带动更多人参与共建的伙伴。
📍 Events & Meetups
StarRocks Summit 2025
2025 年 9 月，StarRocks 举办了迄今规模最大的线上峰会------StarRocks Summit 2025。来自全球的 32 位嘉宾带来分享，集中呈现了 StarRocks 在各行业落地与性能演进上的最新进展。
Coinbase、Pinterest、Intuit、Demandbase 等企业也分享了其真实实践：利用 StarRocks 在 PB 级数据规模下实现亚秒级查询性能的同时，进一步降低了基础设施成本。
StarRocks Connect 2025
2025 年 9 月 13 日，作为全球峰会在中国本土的延伸，StarRocks Connect 2025 于线上线下同步开启。本次活动以"连接"为核心，吸引了数万名开发者参与，深度探讨数据分析技术的未来演进。
来自镜舟科技、携程、Shopee、Cisco、SJM Resorts 等企业的技术领袖，分享了 StarRocks 在复杂业务场景下的前沿实践。
Real-Time & Lakehouse Meetups
今年，StarRocks 与 Apache Iceberg 、Apache Paimon 社区紧密合作，共同探讨"开放、快速、可治理"的 Lakehouse 架构，并通过多场社区活动与各地实践者交流，分享一线经验与真实案例。
在全球范围内，StarRocks 也保持着稳定的社区参与与活动节奏。这背后离不开热心的社区成员------他们积极参与，并主动发起、承办本地活动，让项目在全球开发者群体中的影响力持续扩展。
StarRocks Connect 2025
2025 年 9 月，作为全球峰会在中国本土的延伸，StarRocks Connect 2025 于线上线下同步开启。本次活动以"连接"为核心，吸引了数万名开发者参与，深度探讨数据分析技术的未来演进。
来自镜舟科技、携程、Shopee、Cisco、SJM Resorts 等企业的技术领袖，分享了 StarRocks 在复杂业务场景下的前沿实践。
2026 年度展望
Real-Time Analytics
实时分析一直是 StarRocks 的核心优势，也是长期投入并在生产中反复验证的方向。面向下一阶段，重点将放在进一步扩大这一能力边界，优先推进以下工作：
-
Auto Tablet Splitting：简化运维操作，提升大规模场景下的易用性。
-
持续性能优化：进一步提升实时分析负载的处理效率。
-
增强系统可观测性：让用户更清晰地掌握集群健康、性能表现与运行状态。
Lakehouse
主要围绕两个核心目标：
-
性能足够快，让分析可以直接在数据湖上运行。
-
系统足够稳健，能够承担并逐步替代 Snowflake 等传统数据仓库。
为实现上述目标，2026 年的工作重点将聚焦在：
-
持续投入性能优化：在快速查询执行的既有优势基础上，继续加强性能表现。
-
从"查询加速"扩展至端到端提速，确保数据的插入、删除及更新同样高效。
-
支持更全面的数据管理操作，简化日常运维流程。
-
在未来一年内实现对 Apache Iceberg v3 表格式的全面支持。
-
围绕 Paimon/Fluss 推进湖流一体能力。
AI & Intelligent Optimization
计划把 AI 驱动的性能优化能力直接嵌入分析引擎，包括构建向量索引与 AI 辅助分析能力。通过这些能力，
用户既能更高效地运行分析，也能在此基础上开展 AI 赋能的个性化、自动化与智能决策相关实践。
以上为 2026 年的大致发展方向，推进过程中也会结合实际情况不断优化调整。欢迎在 GitHub 提交 Feature Request，或加入 StarRocks 社区群，和更多用户、贡献者一起交流想法、共同完善。
Roadmap 2026：https://github.com/StarRocks/starrocks/issues/67632