starrocks

淘宝闪购实时分析黑科技：StarRocks + Paimon撑起秋天第一波奶茶自由作者：马龙杰（澄诺）阿里巴巴中国电商事业群-饿了么-DIC 数据智能中心-数据研发流量组摘要：实时湖仓架构赋能即时零售，在多端流量与亿级营销投入下支撑分钟级决策与体验升级。

告别 Hadoop，拥抱 StarRocks！政采云数据平台升级之路作者：李进勇政采云研发中心数据平台负责人在当下数字化转型的浪潮中，数据早已从辅助资源跃升为核心生产资料和决策基础。政府提升治理效能，企业优化运营、创新服务，都深度依赖对海量数据的实时洞察与高效处理。

欧洲数字化养殖平台 Herdwatch 借力 Iceberg + StarRocks 提升分析能力作者：Alfred Johnson，Herdwatch 数据负责人导读：开源无国界，在本期“StarRocks 全球用户精选案例”专栏中，我们将介绍欧洲数字化养殖管理平台 Herdwatch。

阿里云大数据AI技术

鹰角网络基于阿里云 EMR Serverless StarRocks 的实时分析工程实践鹰角网络（HYPERGRYPH）成立于2017年，总部位于上海，是中国知名游戏研发与发行公司，代表产品包括现象级手游《明日方舟》及《泡姆泡姆》《来自星辰》《终末地》等。公司依托阿里云构建数据平台，支撑游戏运营、社区生态及用户行为分析等核心业务，数据规模与实时性需求持续增长。

StarRocks不能启动，StarRocksFe节点不能启动问题处理问题描述mysql:[Warning] Using a passwordon the command line interface can be insecureERROR 2003 (HYa00): Can’t connect to MysoL server on ‘192.168.5.128:9030’(111)Error: failed to query fE status, Please check if the master FE node is running or if the networ

去哪儿StarRocks实践作者介绍：任志民，2023年加入去哪儿旅行数据平台团队，主要负责数据平台OLAP引擎基础建设和相关数据产品研发工作。

鸿乃江边鸟

Starrocks中的 Query Profile以及explain analyze及trace命令中的区别本文基于Starrocks 3.5.5 现有公司因为业务的不同，可能会更加关系单个SQL 的RT，因为如果一个SQL的RT比较大的话，影响的就是这个业务，从而影响收入，所以对于这方面我们就比较关心，而最近在基于Starrocks做计算存储引擎的时候，遇到了一些问题。时间上超过了2秒，因此需要分析一下对应SQL的指标。最直接的就是开启 Query Profile,比如说做一下配置:

鸿乃江边鸟

Starrocks ShortCircuit短路径的调度本文基于Starrocks 3.3.5 在之前的Starrocks 的 ShortCircuit短路径中我们谈到过，基于点查的这种ShortCircuit短路径在优化器上不会经过复杂的优化，更不会经过memo的CBO优化，这一点也是为什么点查会快。而且在之前的文章中，也没说看到有规则判断点查必须是要求行存，实际中在Starrocks中列存和行列存储都是可以进行点查操作的（每个引擎不一样，当然效果也就不一样）.

什么是列存储（Columnar Storage）？深度解析其原理与应用场景列存储（Column Storage）是一种革命性的数据库存储技术，它通过按列而非按行组织数据，从根本上改变了数据的物理存储结构。与传统行存储数据库不同，列式数据库将每一列的数据连续存储在一起，而不是将每一行的数据存储在一起。这种看似简单的存储结构变化，却为分析型查询带来了质的飞跃。

大数据狂人

深入剖析 StarRocks 与 Hive 的区别、使用场景及协同方案实践在现代数据分析与数仓建设中，Hive 与 StarRocks 是两种极具代表性的大数据组件。一个以批处理著称，一个则以高性能实时分析见长。本文将围绕两者的技术架构、核心特性、适用场景进行全面对比，并结合实践，剖析它们如何协同配合实现高效数据分析。

Lakehouse x AI ，打造智能 BI 新体验本文整理自瓴羊的王璟尧老师与镜舟科技石强老师的联合分享，围绕 Quick BI 在智能 BI 场景中的落地实践，深入探讨了 StarRocks 如何凭借 MPP 架构、实时分析能力与 AI 原生支持，成为智能分析的理想 Lakehouse 引擎底座，助力 BI 从“被动查询”迈向“主动决策”，开启数据“会说话”的新体验。

StarRocks × MinIO：打造灵活高效的存算分离方案“存算分离”（Decoupled Storage and Compute）是一种在现代数据系统中被广泛采用的架构设计。它将计算和存储解耦，使二者可以独立扩展，提升资源利用率并降低运维成本。StarRocks 从 3.0 版本开始支持这一架构，允许用户将数据存储从计算节点中剥离，实现更灵活、弹性的系统部署。

StarRocks Community Monthly Newsletter (Jun)存算分离：支持生成列、主键表重建索引；大规模导入逻辑优化，降低小文件数量。数据湖分析：Beta 支持 Iceberg 视图创建与修改；支持 Iceberg REST Catalog 嵌套命名空间；

starrocks的存储情况在 StarRocks 中，可以通过以下 SQL 查询每个数据库的数据表及其数据量大小（包括行数、存储占用等关键信息）：

StarRocks × Tableau 连接器完整使用指南 | 高效数据分析从连接开始在当今数据驱动的商业环境中，企业不仅需要一个能够处理海量数据的高性能分析数据库，还需要一个直观、强大的可视化工具来解读数据背后的故事。StarRocks 作为新一代极速全场景 MPP 数据库，以其卓越的 OLAP 分析能力著称；而 Tableau 则是数据可视化领域的领导者。 [1] StarRocks Tableau 连接器正是为了连接这两大“神器”而生，它实现了 Tableau 与 StarRocks 之间无缝且安全的集成。 [2]

数据可视化：5 分钟读懂其核心价值与技术实践在信息爆炸的时代，企业每天产生海量数据，从客户行为到销售业绩，从供应链运作到市场趋势。如何从这些原始数据中快速提炼有价值的信息？如何将复杂数据转化为直观易懂的决策依据？

【StarRocks系列】建表优化目录一、数据模型选择 (核心优化)二、分区与分桶策略 (数据分布优化)三、字段类型与压缩四、索引策略五、高级特性应用

【StarRocks系列】StarRocks vs Mysql目录StarRocks 简介核心特性典型应用场景StarRocks vs MySQL：核心区别详解关键差异总结