今天簡要介紹一下StarRocks?這個強大的數據庫。

注意：本文章內容僅供個人學習，不包含任何推薦性質。

StarRocks（原名?Doris）是一個高性能、全場景的MPP（大規模并行處理）分析型數據庫。它專為極速的多維聯機分析處理（OLAP） 而設計，能夠對海量數據進行實時和批量的多維分析、即席查詢和高并發報表。

官方網站獲取文檔和下載：https://www.starrocks.io

一、 特性與優勢

1.?性能

• 列式存儲引擎：數據按列存儲，在查詢時只需讀取相關列，極大減少了I/O消耗。

• 向量化執行引擎：利用CPU的SIMD指令，一次處理一批數據（一個向量），而不是一行數據，顯著提高了CPU利用率和查詢效率。

• MPP架構： 查詢任務被并行分發到集群中的所有節點，各節點獨立處理自己負責的數據，最后匯總結果，實現了線性擴展。

• CBO（基于成本的優化器）： 擁有非常智能的優化器，能夠為復雜查詢選擇最優的執行計劃。

2.?實時分析

支持實時數據導入，數據寫入后立即可查。它支持從多種數據源（如Kafka、Flink、Spark等）通過物化視圖（Materialized View） 和?Bitmap?索引 等技術進行預聚合和加速，使得即使在大數據量下，聚合查詢也能在亞秒級返回。

3.?高并發

架構設計上避免了外部系統依賴（如ZooKeeper），并進行了大量優化，能夠支持數千甚至上萬的高并發查詢，非常適合作為企業統一的分析門戶或數據中臺的查詢引擎。

4.全面兼容?MySQL?協議

支持標準SQL-92，并且兼容MySQL網絡協議。這意味著你可以使用任何常見的MySQL客戶端、BI工具（如Tableau、Superset、FineBI）或應用程序直接連接StarRocks，學習成本和遷移成本極低。

5.?物化視圖

用戶可以在基表上創建多個物化視圖。StarRocks的優化器能夠自動、智能地選擇最優的物化視圖來響應查詢，無需在查詢語句中顯式指定，對應用透明，極大地加速了聚合查詢。

6.?易于運維

提供簡潔的前端（FE）和后臺（BE）架構，部署和運維相對簡單。

支持在線彈性擴縮容，可通過簡單的SQL命令添加或刪除節點，集群會自動進行數據重分布。

二、 技術架構

StarRocks?采用了一個非常簡潔的架構，主要由兩個角色組成：

1. Frontend (FE)

職責：負責元數據管理、客戶端連接管理、查詢規劃與調度。

組件：

nLeader FE： 主節點，負責元數據的寫入和日志。

nFollower FE： 從節點，參與選舉，提供元數據讀取服務。

nObserver FE： 觀察者節點，僅擴展元數據的讀取能力，不參與選舉。

通常通過BDB JE進行Leader和Follower之間的元數據同步。

2. Backend (BE)

職責：負責數據存儲和查詢執行。每個BE節點存儲一部分數據（Tablet），并執行FE下發的查詢任務。

數據分片：表的數據被水平分區為多個Tablet，每個Tablet有多個副本（通常為3），分布在不同BE上，保證了高可用和高性能。

三、適用場景：

• 實時數據看板與BI報表： 為業務人員提供高并發的自助分析平臺。

• 用戶行為分析：支持對海量用戶數據進行多維度、即席的探查與分析。

• 日志分析：替代ELK等方案，進行結構化的日志存儲與查詢。

• 統一查詢入口（數據網關）：通過External Table功能，可以直接查詢Hive、Iceberg、Hudi、Elasticsearch等外部數據源，無需數據導入，實現“湖倉一體”分析。

• 高并發精準查詢：例如電商的訂單查詢、用戶畫像的標簽查詢等。

四、與其他OLAP數據庫的對比

文章小結

StarRocks?是一個在性能、并發、實時性和易用性之間取得出色平衡的MPP數據庫，其極簡架構、向量化引擎和智能物化視圖，成為了大數據實時分析領域的一個OLAP解決方案。；適合需要高并發、低延遲查詢的企業級分析場景，支持自建數據中心和云上部署。

文章至此。