starrocks

镜舟科技出席 HPE 新品发布会，携手打造“Lakehouse + AI”智能数据底座2026 年 5 月 26 日，HPE 在北京举行新品发布会，多家专业媒体、业内专家及行业客户共同见证了 HPE 新一代企业级文件和对象存储 HPE Alletra Storage MP X10000 系列的正式发布。

从 Prompt 到 Context Engineering：如何用 StarRocks 构建 AI Agent 的实时上下文引擎？全球 Lakehouse 架构的部署正在加速普及。然而，一个更深层的范式转变正在悄然发生：企业数据基础设施的服务对象，正在从人向 AI 迁移。

StarRocks × Iceberg：联邦查询实践解析导读：本文结合 Fresha 的实际案例，介绍了其如何利用 StarRocks 构建基于 Iceberg 的联邦查询架构，并分析了 Metadata Cache、自适应元数据读取、冷热数据分层等关键能力在实际场景中的应用。

AutoMQ x StarRocks: 英国美容健康领导者 Fresha 如何构建现代化实时分析数据栈每天早晨，全球数十万美容与健康服务商家打开 Fresha 首页，第一时间查看昨天的营收、当天预约和员工表现。几个看似简单的数字背后，是每日 60 万笔预约、数十亿条数据库变更事件，以及峰值每秒 3,000 次请求共同支撑的实时数据管道。

阿里云大数据AI技术

最佳实践：用 EMR Serverless StarRocks AI Function 实现金融行业文本分类_摘要：在金融行业，客户投诉、监管公告、合同文本等非结构化数据蕴含着巨大的业务价值。传统方案需要将数据导出到外部 NLP 系统处理，链路长、延迟高且存在数据泄露风险。本文中的最佳实践介绍了如何利用 StarRocks AI Function，通过纯 SQL 实现情感分析、智能分类、信息抽取和 PII 脱敏，实现“数据不出库”的端到端智能分析。

鸿乃江边鸟

Starrocks BE 在Mac编译以及遇到的问题解决本文基于Starrocks 4.x 在机器 Apple M5 MacOS Tahoe 26 系统上进行编译，

StarRocks 存储引擎设计深度调研笔记StarRocks 数据组织层级：Table → Partition → Bucket (Tablet) → Replica → Rowset → Segment

胖胖胖胖胖虎

okhttp Stream Load 含认证请求重定向http 请求 StarRocks Stream Load，遇到错误码：307no valid Basic authorization

涤生大数据

Doris/StarRocks 高频面试题通关指南对于大数据开发和数据仓库工程师来说（尤其是实时方向来说），Apache Doris 和 StarRocks 已经成为面试中无法绕开的高频重头戏。

白天查数、凌晨跑批：聚水潭如何基于 StarRocks 将资源利用率提升 3x作者：番杏（张国鑫），大数据开发专家｜溪竹（李月），高级大数据开发专家每天早高峰，电商商家陆续打开聚水潭后台，查看销售、库存、订单等核心报表。对商家来说，这只是一次普通的经营分析；但对底层数据平台来说，却意味着大量在线查询在短时间内集中到来。

Kylin 全局字典机制与 StarRocks Bitmap 精确去重技术调研数仓开发中，COUNT(DISTINCT) 是计算开销极高的操作。传统方式需要在分布式环境下进行多次 Shuffle，性能随数据量增大直线下降。同时，StarRocks 的 Bitmap 类型字段仅支持整数（BigInt/Int），而业务中的去重键（如 user_id、order_id）往往是字符串类型，必须通过全局字典将字符串映射为全局唯一整数，才能写入 Bitmap 字段实现精确去重。

KaptureCX 大规模实时分析架构演进：基于 RisingWave 与 StarRocks 的最佳实践导读：KaptureCX 是一家专注于客户支持自动化平台的企业，服务于电子商务、医疗保健、金融等多个垂直领域的客户。随着业务的增长，其数据平台面临着**海量工单状态频繁更新（Heavy Upserts）以及复杂多表关联查询（Heavy Joins）**的双重挑战。

从 OLTP 到 OLAP：Spanner 到 StarRocks 架构演进与实现同样的数据，放在不同的系统里，成本可以相差数倍。这是我们的用户完成 Google Spanner 到 StarRocks 迁移后的真实结果，分析成本直接降低了 70%–80%。

【StarRocks / Doris】Broker Load 性能优化实战适用人群：数据开发初学者、初级数据工程师、刚接触 MPP 数据库导入的同学文章目标：把 Broker Load 的性能优化讲清楚，尤其是“指定分区导入”“为什么不建议并行写同一张表”“多批次大文件写单表如何稳又快” 版本说明：

Flink CDC 做SQL Server → StarRocks 的全量 + 增量同步对源数据库的压力分析Flink CDC 做 SQL Server → StarRocks 的全量 + 增量同步，对 SQL Server 一定会产生压力。但压力大小取决于：

StarRocks入门https://docs.mirrorship.cn/zh/docs/quick_start/shared-nothing/

老徐电商数据笔记

电商实时数仓开发规范说明：本规范可作为电商/跨境电商实时数仓开发规范参考。版本记录本规范适用于基于阿里云 SelectDB（StarRocks） + Flink CDC + Kafka + Apache Paimon 架构的电商实时数仓开发。所有实时数据链路的设计、开发、上线、运维均须遵守本规范。

StarRocks I/O 模型揭秘（一）：查询是如何被拆解与调度的？作者：丁凯 StarRocks TSC Member导读：在存算分离架构下，查询性能的稳定性越来越依赖底层 I/O 设计。本文作为 StarRocks I/O 模型揭秘系列首篇，将围绕 Tablet、Fragment、Pipeline、Morsel、Scan Operator 等核心概念，梳理一次查询执行过程中底层 I/O 链路的基本运行机制

从 Presto 到 StarRocks：作业帮架构升级实践作者：作业帮大数据团队（覃争、孙建业、刘泽强）作业帮的 Presto 主要承载即席查询场景，天级查询规模在 2000～5000 次，但均值耗时在分钟级，整体性能偏慢；同时由于与 Yarn、HDFS 混部，高峰期宿主机 CPU 经常打满，资源争抢严重，查询体验波动明显。