starrocks

dbt+DataOps+StarRocks：构建一体化数据治理与智能分析平台实践作者：胡翔，SJM Resorts 企业方案设计高级经理、dbt- starrocksContributor

阿坤带你走近大数据

StarRocks(SR)的基本概念、架构及基本使用介绍StarRocks（原名 DorisDB，后开源并更名为 StarRocks）是一款高性能、实时、MPP（大规模并行处理）架构的现代化分布式 SQL 数据库，专为 OLAP（在线分析处理）场景设计。它兼容 MySQL 协议，支持标准 SQL，具备亚秒级查询响应能力，适用于实时报表、即席查询、多维分析、用户画像、日志分析等场景。

从0到1搭建StarRocks3.4.1存算一体架构（VM 虚拟机版）随着数据量的不断增长与分析需求的增加，现代数据仓库系统对存储与计算的性能要求愈加苛刻。传统的分布式数据仓库架构往往面临着存储与计算分离带来的瓶颈，数据的读写延迟、网络传输等问题，使得系统的整体性能无法满足高效分析的需求。为了解决这个问题，StarRocks提出了存算一体的架构设计，能够同时优化存储和计算，提高查询性能。

Fresha 的实时分析进化：从 Postgres 和 Snowflake 走向 StarRocks作者：Anton Borisov开源无国界，在本期「StarRocks 全球用户精选案例」中，我们走进 Fresha——全球领先的美业、健康与自我护理行业一站式平台，服务于全球数以百万计的消费者与商家。

StarRocks慢查询巡检规则

活动回顾 | 镜舟科技出席鲲鹏开发者创享日・北京站12月12日，由华为技术有限公司主办的“鲲鹏开发者创享日・北京站”在北京圆满落幕。作为中国领先的企业级数据基础设施服务商，镜舟科技受邀出席，并亮相“开发者解决方案展区”，与现场顶尖技术大咖、科研领袖及行业伙伴共同探讨前沿科技，展示了新一代数据架构的无限可能。

StarRocks 2.5.22 混合部署实战文档（CDH环境）目录1. 项目背景与环境节点分配2. 核心规划 (避坑关键)2.1 端口规划表2.2 目录规划3. 部署前置准备 (nd11, nd12, nd13)

从小文件困局到“花小钱办大事”：StarRocks 存算分离批量导入优化实践作者：罗一鑫 StarRocks Committer导读：在存算分离架构下，“一次性导入海量历史数据”正成为被放大的隐形风险。本文介绍 StarRocks 如何从写入源头重构大导入路径：通过“内存→本地磁盘 spill→集中 merge→对象存储”，减少远程写入和重复开销，降低 S3 写入次数并放大文件粒度，释放本地 I/O 能力，从源头缓解小文件问题，帮助用户以更低投入获得更高效、更稳定的使用体验。

StarRocks PB 级日增量数据模型优化：注意点、调优策略与风险防控StarRocks 处理每日 PB 级日增量时，核心矛盾是「高吞吐导入」与「低延迟查询」的平衡，需从数据模型设计、导入链路、存储查询、资源调度、稳定性保障五维度系统性优化，同时规避增量场景下的典型风险。以下是具体细节：

杰克逊的日记

StarRocks数据仓库StarRocks 是一款高性能、实时分析型数据库（OLAP），由字节跳动开源（2020 年开源，2023 年进入 Apache 孵化器），核心定位是 “实时数仓 + 湖仓一体”，专为 PB 级数据的快速查询、多维分析、实时报表等场景设计，广泛应用于互联网、金融、零售、政务等行业。

StarRocks 4.0：Real-Time Intelligence on Lakehouse回顾 StarRocks 的进化之路，每一次大版本迭代都紧扣时代对数据分析的核心诉求。StarRocks 1.x，打造极速查询性能，解决 BI 报表、数据探寻慢的痛点问题。

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导读：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。

StarRocks 在 Cisco Webex 的探索与实践作者：白旭：Cisco Software Engineer, Apache Amoro PPMC member

StarRocks Community Monthly Newsletter (Sep)v3.5.6功能增强：当 Vacuum 成功时会更新 Vacuum 指标。在 Fragment 实例执行状态报告中新增线程池指标，包括活动线程数、队列数量和运行线程数。

StarRocks笔记StarRocks 是新一代极速统一的云原生MPP数据库。StarRocks 的愿景是能够让用户的数据分析变得更加简单和敏捷。用户无需经过复杂的预处理，就可以用 StarRocks 来支持多种数据分析场景的极速分析。

ClickHouse迁移Starrocks脚本工具使用方法：执行sh process_inspect_event_dist.sh先导出ClickHouse数据至CSV文件：

Kubernetes 场景下的 StarRocks 灾备体系：Cluster Snapshot 实践解析在存算一体架构下，StarRocks 通过 Failover Group、Backup & Restore 以及 Insert Into Files 等机制，实现了集群级的灾备与数据的备份和恢复能力。伴随性能优化与功能演进的持续推进，StarRocks 不断强化系统的稳定性与可用性，以满足企业日益增长的实时分析与高可用需求。

从 ClickHouse 到 StarRocks 存算分离：携程 UBT 架构升级实践作者：魏宁携程大数据平台开发专家导读：在携程庞大的数据体系中，UBT（User Behavior Tracking，用户行为追踪系统）承担着核心的用户行为采集与分析任务，日新增数据量高达 30 TB。为应对不断增长的业务与性能需求，携程技术团队将 UBT 从 ClickHouse 迁移至 StarRocks 存算分离架构。