StarRocks 是一個(gè) Linux 基金會(huì)開源項(xiàng)目，采用 Apache 2.0 許可證。它和另一款數(shù)據(jù)倉庫產(chǎn)品Apache Doris有著相同的起源，最初都是來自百度廣告報(bào)表業(yè)務(wù)的 Palo 項(xiàng)目。

StarRocks 可以滿足企業(yè)級(jí)用戶的多種分析需求，包括 OLAP 多維分析、定制報(bào)表、實(shí)時(shí)數(shù)據(jù)分析和 Ad-hoc 數(shù)據(jù)分析等，目前已經(jīng)在大量各種行業(yè)的企業(yè)中獲得了應(yīng)用。

架構(gòu)設(shè)計(jì)

StarRocks 架構(gòu)簡潔明了，整個(gè)系統(tǒng)僅由兩種組件組成：前端和后端。前端節(jié)點(diǎn)稱為 FE。后端節(jié)點(diǎn)有兩種類型，BE 和 CN (計(jì)算節(jié)點(diǎn))。當(dāng)使用本地存儲(chǔ)數(shù)據(jù)時(shí)，需要部署 BE；當(dāng)數(shù)據(jù)存儲(chǔ)在對象存儲(chǔ)或 HDFS 時(shí)，需要部署 CN。StarRocks 不依賴任何外部組件，簡化了部署和維護(hù)。節(jié)點(diǎn)可以水平擴(kuò)展而不影響服務(wù)正常運(yùn)行。此外，StarRocks 具有元數(shù)據(jù)和服務(wù)數(shù)據(jù)副本機(jī)制，提高了數(shù)據(jù)可靠性，有效防止單點(diǎn)故障 (SPOF)。

StarRocks 兼容 MySQL 協(xié)議，支持標(biāo)準(zhǔn) SQL。用戶可以輕松地通過 MySQL 客戶端連接到 StarRocks 實(shí)時(shí)查詢分析數(shù)據(jù)。

存算一體

本地存儲(chǔ)為實(shí)時(shí)查詢提供了更低的查詢延遲。

作為典型的大規(guī)模并行處理 (MPP) 數(shù)據(jù)庫，StarRocks 支持存算一體架構(gòu)。在存算一體架構(gòu)中，BE 負(fù)責(zé)數(shù)據(jù)存儲(chǔ)和計(jì)算。將數(shù)據(jù)存儲(chǔ)在 BE 中使得數(shù)據(jù)可以在當(dāng)前節(jié)點(diǎn)中計(jì)算，避免了數(shù)據(jù)傳輸和復(fù)制，從而提供極快的查詢和分析性能。該架構(gòu)支持多副本數(shù)據(jù)存儲(chǔ)，增強(qiáng)了集群處理高并發(fā)查詢的能力并確保數(shù)據(jù)可靠性，非常適合追求最佳查詢性能的場景。

在存算一體架構(gòu)中，StarRocks 由兩種類型的節(jié)點(diǎn)組成：FE 和 BE。

• FE 負(fù)責(zé)元數(shù)據(jù)管理、客戶端連接管理、查詢規(guī)劃和查詢調(diào)度。每個(gè) FE 使用 BDB JE （Berkeley DB Java Edition）在其內(nèi)存中存儲(chǔ)和維護(hù)元數(shù)據(jù)的完整副本，從而確保所有 FE 之間的服務(wù)一致。FE 可以作為領(lǐng)導(dǎo)者、追隨者和觀察者。如果 leader 節(jié)點(diǎn)崩潰，follower 根據(jù) Raft 協(xié)議選舉 leader。
• BE 負(fù)責(zé)數(shù)據(jù)存儲(chǔ)和 SQL 執(zhí)行。數(shù)據(jù)存儲(chǔ)：BE 具有等效的數(shù)據(jù)存儲(chǔ)能力。FE 根據(jù)預(yù)定義規(guī)則將數(shù)據(jù)分發(fā)到各個(gè) BE。BE 轉(zhuǎn)換導(dǎo)入的數(shù)據(jù)，將數(shù)據(jù)寫入所需格式，并為數(shù)據(jù)生成索引。SQL 執(zhí)行：FE 根據(jù)查詢的語義將每個(gè) SQL 查詢解析為邏輯執(zhí)行計(jì)劃，然后將邏輯計(jì)劃轉(zhuǎn)換為可以在 BE 上執(zhí)行的物理執(zhí)行計(jì)劃。BE 在本地存儲(chǔ)數(shù)據(jù)以及執(zhí)行查詢，避免了數(shù)據(jù)傳輸和復(fù)制，極大地提高了查詢性能。

存算分離

在存算分離架構(gòu)中，BE 被“計(jì)算節(jié)點(diǎn) (CN)”取代，后者僅負(fù)責(zé)數(shù)據(jù)計(jì)算任務(wù)和緩存熱數(shù)據(jù)。數(shù)據(jù)存儲(chǔ)在低成本且可靠的遠(yuǎn)端存儲(chǔ)系統(tǒng)中，如 Amazon S3、GCP、Azure Blob Storage、MinIO 等。當(dāng)緩存命中時(shí)，查詢性能可與存算一體架構(gòu)相媲美。CN 節(jié)點(diǎn)可以根據(jù)需要在幾秒鐘內(nèi)添加或刪除。這種架構(gòu)降低了存儲(chǔ)成本，確保更好的資源隔離，并具有高度的彈性和可擴(kuò)展性。

存算分離架構(gòu)與存算一體架構(gòu)一樣簡單。它僅由兩種類型的節(jié)點(diǎn)組成：FE 和 CN。唯一的區(qū)別是用戶必須配置后端對象存儲(chǔ)。對象存儲(chǔ)和 HDFS 提供低成本、高可靠性和可擴(kuò)展性等優(yōu)勢。除了可以擴(kuò)展存儲(chǔ)外，還可以隨時(shí)添加和刪除 CN 節(jié)點(diǎn)。因?yàn)榇鎯?chǔ)和計(jì)算分離，增刪節(jié)點(diǎn)也無需重新平衡數(shù)據(jù)。

功能特性

MPP

StarRocks 采用 MPP (Massively Parallel Processing) 分布式執(zhí)行框架。在 MPP 執(zhí)行框架中，一條查詢請求會(huì)被拆分成多個(gè)物理計(jì)算單元，在多機(jī)并行執(zhí)行。每個(gè)執(zhí)行節(jié)點(diǎn)擁有獨(dú)享的資源（CPU、內(nèi)存）。MPP 執(zhí)行框架能夠使得單個(gè)查詢請求可以充分利用所有執(zhí)行節(jié)點(diǎn)的資源，所以單個(gè)查詢的性能可以隨著集群的水平擴(kuò)展而不斷提升。

向量化

StarRocks 通過實(shí)現(xiàn)全面向量化引擎，充分發(fā)揮了 CPU 的處理能力。全面向量化引擎按照列式的方式組織和處理數(shù)據(jù)。StarRocks 的數(shù)據(jù)存儲(chǔ)、內(nèi)存中數(shù)據(jù)的組織方式，以及 SQL 算子的計(jì)算方式，都是列式實(shí)現(xiàn)的。按列的數(shù)據(jù)組織也會(huì)更加充分的利用 CPU 的 Cache，按列計(jì)算會(huì)有更少的虛函數(shù)調(diào)用以及更少的分支判斷從而獲得更加充分的 CPU 指令流水。

另一方面，StarRocks 的全面向量化引擎通過向量化算法充分的利用 CPU 提供的 SIMD（Single Instruction Multiple Data）指令。這樣 StarRocks 可以用更少的指令數(shù)目，完成更多的數(shù)據(jù)操作。經(jīng)過標(biāo)準(zhǔn)測試集的驗(yàn)證，StarRocks的全面向量化引擎可以將執(zhí)行算子的性能，整體提升 3~10 倍。

CBO

StarRocks 從零設(shè)計(jì)并實(shí)現(xiàn)了一款全新的，基于代價(jià)的優(yōu)化器 CBO（Cost Based Optimizer）。該優(yōu)化器是 Cascades Like 的，在設(shè)計(jì)時(shí)，針對 StarRocks 的全面向量化執(zhí)行引擎進(jìn)行了深度定制，并進(jìn)行了多項(xiàng)優(yōu)化和創(chuàng)新。該優(yōu)化器內(nèi)部實(shí)現(xiàn)了公共表達(dá)式復(fù)用，相關(guān)子查詢重寫，Lateral Join，Join Reorder，Join 分布式執(zhí)行策略選擇，低基數(shù)字典優(yōu)化等重要功能和優(yōu)化。目前，該優(yōu)化器已可以完整支持 TPC-DS 99 條 SQL 語句。

列式存儲(chǔ)

StarRocks 實(shí)現(xiàn)了可實(shí)時(shí)更新的列式存儲(chǔ)引擎，數(shù)據(jù)以按列的方式進(jìn)行存儲(chǔ)。通過這樣的方式，相同類型的數(shù)據(jù)連續(xù)存放。一方面，數(shù)據(jù)可以使用更加高效的編碼方式，獲得更高的壓縮比，降低存儲(chǔ)成本。另一方面，也降低了系統(tǒng)讀取數(shù)據(jù)的 I/O 總量，提升了查詢性能。此外，在大部分 OLAP 場景中，查詢只會(huì)涉及部分列。相對于行存，列存只需要讀取部分列的數(shù)據(jù)，能夠極大地降低磁盤 I/O 吞吐。

StarRocks 存儲(chǔ)引擎不僅能夠提供高效的 Partial Update 操作，也能高效處理 Upsert 類操作。使用 Delete-and-insert 的實(shí)現(xiàn)方式，通過主鍵索引快速過濾數(shù)據(jù)，避免讀取時(shí)的 Sort 和 Merge 操作，同時(shí)還可以充分利用其他二級(jí)索引，在大量更新的場景下，仍然可以保證查詢的極速性能。

智能物化視圖

StarRocks 支持用戶使用物化視圖（materialized view）進(jìn)行查詢加速和數(shù)倉分層。不同于一些同類產(chǎn)品的物化視圖需要手動(dòng)和原表做數(shù)據(jù)同步，StarRocks 的物化視圖可以自動(dòng)根據(jù)原始表更新數(shù)據(jù)。只要原始表數(shù)據(jù)發(fā)生變更，物化視圖的更新也同步完成，不需要額外的維護(hù)操作就可以保證物化視圖能夠維持與原表一致。不僅如此，物化視圖的選擇也是自動(dòng)進(jìn)行的。StarRocks 在進(jìn)行查詢規(guī)劃時(shí)，如果有合適的物化視圖能夠加速查詢，StarRocks 自動(dòng)進(jìn)行查詢改寫(query rewrite)，將查詢自動(dòng)定位到最適合的物化視圖上進(jìn)行查詢加速。

數(shù)據(jù)湖分析

StarRocks 不僅能高效的分析本地存儲(chǔ)的數(shù)據(jù)，也可以作為計(jì)算引擎直接分析數(shù)據(jù)湖中的數(shù)據(jù)。用戶可以通過 StarRocks 提供的 External Catalog，輕松查詢存儲(chǔ)在 Apache Hive、Apache Iceberg、Apache Hudi、Delta Lake 等數(shù)據(jù)湖上的數(shù)據(jù)，無需進(jìn)行數(shù)據(jù)遷移。支持的存儲(chǔ)系統(tǒng)包括 HDFS、S3、OSS，支持的文件格式包括 Parquet、ORC、CSV。

官方網(wǎng)址：https://www.starrocks.io/