湖仓新范式的造浪者 | StarRocks 2023 年度总结（文末福利）

于 2024-01-26 15:53:19 发布
阅读量504 收藏 5
点赞数 9
文章标签： 程序人生
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/starrocks/article/details/135868361
版权

alt alt alt alt alt alt alt alt alt alt alt alt alt alt

新年期望征集

社区的进步离不开大家的支持，新的一年我们也期望能与更多的小伙伴们大步前行、共同成长。

最后，欢迎来 StarRocks 论坛写下你对社区 2024 年的期望，我们还有好礼相赠。大胆的留下你的想法，万一实现了呢！

任意选择以下一个或多个问题回答就能成功参加抽奖，2/19开奖：

  1. 你最希望社区推出什么 feature？
  2. 你最希望社区跟哪个大数据生态组件结合？
  3. 你最希望社区提供怎样的内容？
  4. 你希望社区提供什么活动？或是去哪个城市？
  5. 其他建议

奖品池

京东卡 100元 *3 B站季度大会员 *5 StarRocks 鼠标垫 *5 StarRocks 峰会纪念T恤 *10 （花样可 4 选择 1，因为要定制，年后才会开始寄送！）

alt

活动传送门

https://forum.mirrorship.cn/t/topic/10947

本文由 mdnice 多平台发布

StarRocks_labs
关注
博客
从被动救火到主动预防，StarRocks 监控与告警全攻略
04-27 587
在日常运维中，我们常常面临突发问题，只能疲于“救火”。本文将从等多个维度出发，介绍如何构建一套有效的监控与告警体系，实现从被动响应到主动干预，让问题止于萌芽阶段。本文重点聚焦于，不对监控系统的搭建流程进行详细展开。如需了解具体部署方式，可参考官方文档：https://docs.starrocks.io/zh/docs/administration/management/monitoring/Monitor_and_Alert/
博客
RAG 实战｜用 StarRocks + DeepSeek 构建智能问答与企业知识库
04-25 922
RAG（Retrieval-Augmented Generation，检索增强生成）是一种结合外部知识检索与 AI 生成的技术，弥补了传统大模型知识静态、易编造信息的缺陷，使回答更加准确且基于实时信息。
博客
RAG 实战｜用 StarRocks + DeepSeek 构建智能问答与企业知识库
04-18 1268
RAG（Retrieval-Augmented Generation，检索增强生成）是一种结合外部知识检索与 AI 生成的技术，弥补了传统大模型知识静态、易编造信息的缺陷，使回答更加准确且基于实时信息。
博客
StarRocks Community Monthly Newsletter (Mar)
04-17 779
核心功能升级数据安全与权限管控支持「安全视图」功能，严格管控视图查询权限MySQL协议连接支持SSL认证，保障数据传输安全存算分离架构增强支持自动创建Snapshot（集群恢复更便捷）Storage Volume新增Azure Data Lake Gen2支持分析能力优化湖分析支持Delta Lake Deletion Vector支持高精度去重函数Sketch HLL（精度优于approx_count_distinct）性能与稳定性提升写入优化：多数副本提交成功即可完成事务（原需全部副本）🔎Releas
博客
千万级数据秒级响应！碧桂园服务技术引擎重构智慧社区新标杆
04-11 756
碧服这次的存算分离实践不仅仅是一项技术升级，更是一场数字化转型的战略跃迁。依托海量大数据，碧服结合AI和大模型，打造了“一看”和“一问”的智能场景。通过“看现在”，系统能实时捕捉业务状态，为企业决策提供精准数据支持，从而助力精益运营、提升效率和降低成本；而“知未来”则赋予企业商业洞察力，既能精准挖掘市场机会和业户需求，又能提前预测设备故障，自动发起维保工单，有效规避风险，从而大幅提升用户满意度。迁移升级只是起点，为了进一步提升系统性能，碧服技术团队将持续总结经验，并积极推进以下优化措施。
博客
StarRocks 助力首汽约车精细化运营
04-08 918
首汽约车成立于 2015 年，主营网约车业务，曾为冬奥会、冬残奥会等国家级重点会议提供出行服务。公司最初仅在北京运营，随后逐步扩展至全国。目前，我们的业务已覆盖全国 200 多个城市。首汽约车专注于特色化业务和差异化运营，服务用户涵盖 To C 和 To B 两大类。我们不仅面向普通消费者，也为商务人士提供高品质出行服务，满足不同用户的需求，包括服务敏感型和价格敏感型群体。总结来说，基于我们引入 StarRocks 以及在底层建设上的努力，我们在性能统一、场景拓展和效率提升方面取得了显著突破。
博客
StarRocks 存算分离在京东物流的落地实践
03-29 1110
康琪：京东物流高级技术专家、StarRocks & Apache Flink Contributor导读：本文整理自京东物流高级技术专家在 StarRocks 年度峰会上的分享，UData 平台从存算一体到存算分离架构演进后，查询性能得到提升。Cache hit 时，P95 和 P99 查询延迟小于 10 秒，与存算一体架构相当；Cache miss时，查询响应不超过 1 分钟，远优于 Hive。在 OSS 性能和降本方面，存储成本减少了 90%，主要得益于从本地 SSD 转向 OSS 对象存储。
博客
【活动回顾】StarRocks Singapore Meetup #2 @Shopee
03-27 1247
3 月 13 日，StarRocks 社区在新加坡成功举办了第二场 Meetup 活动，主题为“Empowering Customer-Facing Analytics”。本次活动在 Shopee 新加坡办公室举行，吸引了来自 Shopee、Grab 和 Pinterest 的专家讲师以及 50 多位参会者。大家围绕电商、BI 报表和广告场景中的数据分析挑战展开了深入探讨，并分享了如何利用 StarRocks 为关键业务提供更快、更精准的数据分析解决方案
博客
vivo 湖仓架构的性能提升之旅
03-21 929
在StarRocks年度峰会上的分享，聚焦vivo大数据多维分析面临的挑战、StarRocks 落地方案及应用收益在即席分析场景，StarRocks使用占比达70%、查询速度提升3倍，P50耗时从63.77 缩短至22.30秒，查询成功率接近98%在敏捷BI领域，StarRocks已完成25%切换，月均查询成功数超25万，P90查询时长缩短至5秒，相比Presto提升75%在研发工具平台方面，StarRocks支持准实时数据见性缩短至3分钟，查询加速使 P95延迟降至400毫秒，开发效率提升30%
博客
StarRocks + Paimon 在阿里集团 Lakehouse 的探索与实践
03-14 1143
阿里集团在推进湖仓一体化建设过程中，依托 StarRocks 强大的 OLAP 查询能力与 Paimon 的高效数据入湖特性，实现了流批一体、存储成本大幅下降、查询性能数倍提升的显著成效：A+ 业务借助 Paimon 的准实时入湖，显著降低了存储成本，并引入 StarRocks 提升查询性能。升级后，数据时效提前60分钟，开发效率提升50%；JSON列化存储减少50%，查询性能提升最高达10倍；OLAP分析中，非JOIN查询快1倍，JOIN查询快5倍。饿了么升级为准实时Lakehouse架构后，在时
博客
微信基于 StarRocks 的实时因果推断实践
03-13 761
作者：张婧婧 腾旭微信数据科学家熊吉祥 腾讯微信 OLAP 研发工程师、StarRocks Contributor本文整理自微信工程师在 StarRocks 年度峰会上的分享，介绍了因果推断在业务中的应用，详细阐述了基于 StarRocks 构建因果推断分析工具的技术方案，通过高效算子的支持，大幅提升了计算效率。例如，t 检验在 6亿行数据上的执行时间仅需 1 秒。StarRocks 还实现了实时数据整合，支持多种数据源（如 Iceberg 和 Hive）的无缝访问，进一步增强了平台的灵活性与应
博客
韩国互联网巨头 NAVER 如何借助 StarRocks 实现实时数据洞察
03-05 1021
在 NAVER，高效处理多表 JOIN 的能力彻底改变了我们的分析平台。StarRocks 帮助我们突破了以往的限制，实现了更快的查询性能、无缝扩展性，以及与多元数据源集成的统一查询平台。这些改进使我们能够提供实时洞察，支持整个生态系统中的数据驱动决策。
博客
StarRocks x Demandbase ，助力北美 ABM 营销平台降本 90%！
02-28 1065
开源无国界，在专栏中，我们将介绍北美营销平台 Demandbase 的用户案例。Demandbase 于 2007 年创立于美国加州旧金山，专注于 AI 驱动的 ABM 平台，助力 B2B 营销人员实现业务突破。通过将 ClickHouse 替换为 StarRocks，Demandbase 解决了性能与灵活性问题。新架构基于 Apache Iceberg 和 StarRocks，显著提升了数据处理效率，硬件资源减少 60%，存储成本降低 90%，ETL 管道简化，运营负担大幅减轻。
博客
小红书湖仓架构的跃迁之路
02-28 1413
作者：李鹏霖(丁典)，小红书-研发工程师，StarRocks Contributor & Apache Impala Committer本文整理自小红书工程师在 StarRocks 年度峰会上的分享，介绍了小红书自助分析平台中，StarRocks 与 Iceberg 结合后，如何实现极速湖仓分析架构。与原有架构相比，湖上分析架构的同时，采用 Iceberg 存储格式后，尽管数据量和行数保持不变，但实际存储空间相较原有 ClickHouse 存算分离版本减少了一半。
博客
StarRocks 在爱奇艺大数据场景的实践
02-28 1046
在爱奇艺的大数据分析场景中，通常需要实现两个核心目标：一是看过去，包括生成报表、分析剧集热度以及会员运营等；二是知未来，即预测用户增长和预估收入。虽然我们的最终目标是精准预测未来，但由于这一任务难度较大，我们更多地是通过精准的报表和历史数据分析，挖掘数据中的潜在价值，从而为未来决策提供支持。
博客
腾讯大数据基于 StarRocks 的向量检索探索
02-12 1355
什么是向量检索呢？简单来说，向量检索是通过给定一个查询向量，在特征数据库中找到与之距离最近的 k 个向量。举个例子，如果我们把今天会场的所有人作为特征向量，那么向量检索的任务就是找到与我最相似的 10 个人。用通俗的语言来说，它其实就是一个 Top N 查询。虽然本质上，向量检索就是一个 Top N 查询，但由于深度学习中几乎所有内容都用向量表示，所以我们将其称为“向量检索”。在单机环境下，我们在 30 万到 100 万数据规模和 50 维向量的情况下，可以实现十几毫秒的延迟。
博客
StarRocks 3.4 发布--AI 场景新支点，Lakehouse 能力再升级
01-21 1321
自 StarRocks 3.0 起，社区明确了以 Lakehouse 为核心的发展方向。Lakehouse 的价值在于融合数据湖与数据仓库的优势，能有效应对大数据量增长带来的存储成本压力，做到 single source of truth 的同时继续拥有极速的查询性能，同时也为 AI 时代的多样化数据需求提供可扩展的高效访问能力。构建 Lakehouse 后，你将拥有开放统一的数据存储与基于一份数据，支持多样化的 workload，服务企业 AI、BI 的数据应用，进而实现的业务价值。
博客
湖仓进化，极速统一｜StarRocks 2024 社区年度报告
01-21 184
延伸阅读：Lakehouse 白皮书 | 从理论到落地的现代数据架构升级指南StarRocks 开源三周年：初心不忘，征程不止！StarRocks Awards 2024 年度贡献人物StarRocks 培训课程重磅上线！专家出品，助你升级打怪不走弯路！更多交流，联系我们：StarRocks
博客
从 Spark 到 StarRocks：实现58同城湖仓一体架构的高效转型
01-20 1945
在使用 StarRocks 的过程中，我们从实践中总结出了关于性能、稳定性和易用性的关键经验。
博客
StarRocks Awards 2024 年度贡献人物
01-09 648
这个奖项分为两个主要类别：以代码贡献为主的“DEV”类和以布道为主的“Advocacy”类，并根据加入社区的时间与贡献分成了 Master 与 Knight 两个等级。在过去一年，StarRocks 在 Lakehouse 与 AI 等关键领域取得了显著进步，其卓越的产品功能极大地简化和提升了数据分析的效率，使得。以下是 StarRocks Awards 2024 的获奖者名单及得奖人们给社区的一些话，期待明年看到更多新面孔出现在这份荣誉榜上！
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值