Stories

List
Create Time

誰能更快交付，誰就能更快贏得市場

隨着新能源汽車新品持續進化，全球消費者再次感受到了科技與速度的結合。 2025 年的汽車市場，“內卷”已成常態，不確定性持續增加。如何每年去交付數百萬新增客户的整車，以及近數千萬存量客户的備件，並且提升全流程的交付體驗，是企業面臨的核心課題之一。 這一挑戰的本質，是如何在龐大且複雜的產供銷體系中實現敏捷響應。而在數字化浪潮中，企業對數據平台的要求，與汽車行業如出一轍：誰能更快交付，誰就能更快贏得

雲原生 , olap , 數據分析 , ota , starrocks
Create Time

深入理解 StarRocks Bitmap 索引和 Bitmap 去重

在 StarRocks 中，Bitmap 索引和 Bitmap 去重是兩種基於位圖技術的核心功能，但它們的應用場景、實現機制以及優化目標存在顯著差異。以下從定義、作用、實現原理、適用場景及限制等方面進行詳細對比分析： 一、Bitmap 索引的作用與原理 StarRocks 中的 Bitmap 索引是一種特殊的數據庫索引，其主要作用是優化查詢性能，特別是在處理低基數列（如性別、地區等）和高基數列的過

查詢 , 去重 , bitmap , 數據庫 , 索引
Create Time

StarRocks 向量索引如何讓大模型“記性更好”？

隨着 ChatGPT、DeepSeek 等大語言模型的普及，我們已經能夠與 AI 進行流暢的對話。然而，即使是最先進的大模型也面臨着“記憶困境”，具體表現模型只能記住訓練時接觸的知識，且這些知識在使用時很可能會過期。實際應用或在處理特定領域問題時，可能生成看似合理但實際錯誤的內容。 大模型的“知識固化”問題一定程度上限制了其在企業級應用中的價值。那麼，如何讓大模型擁有更好的“記性”，實現知識的動態

starrocks , 索引 , 數據庫 , 查詢優化 , 大模型
Create Time

StarRocks × Tableau 連接器完整使用指南 | 高效數據分析從連接開始

一、導語：為什麼選擇 StarRocks Tableau 連接器？ 在當今數據驅動的商業環境中，企業不僅需要一個能夠處理海量數據的高性能分析數據庫，還需要一個直觀、強大的可視化工具來解讀數據背後的故事。StarRocks 作為新一代極速全場景 MPP 數據庫，以其卓越的 OLAP 分析能力著稱；而 Tableau 則是數據可視化領域的領導者。 [1] StarRocks Tableau 連接器正是

olap , 數據可視化 , starrocks , tableau , 數據分析
Create Time

什麼是 Tableau？深入解析數據可視化工具與StarRocks集成

Tableau：企業級數據可視化的標杆工具 Tableau 是一款專業的數據可視化與商業智能平台，通過直觀的拖拽操作界面，將複雜的數據轉化為易於理解的可視化圖表。作為市場上廣泛認可的 BI 工具之一，Tableau 憑藉其強大的可視化能力和用户友好的操作界面，被各行各業廣泛應用於數據分析、報告生成和業務決策支持。 Tableau 的核心優勢在於其低代碼的操作方式。用户無需編寫複雜的 SQL 查詢或

tableau , bi , 數據分析 , 數據可視化 , starrocks
Create Time

什麼是 StarRocks？核心優勢與適用場景解析

在數據量持續爆發的時代，企業對實時分析的需求日益迫切。例如，電商大促期間的交易監控、廣告投放效果的即時反饋等場景，均要求毫秒級的響應速度。然而，傳統工具如 Hadoop、Hive 等存在明顯短板：複雜查詢性能不足、資源擴容成本高、實時與離線數據處理割裂等問題。 StarRocks 的核心定義 StarRocks 是一款新一代極速全場景 MPP（Massively Parallel Processi

查詢 , 高併發 , 數據庫 , 分析 , 數據湖
Create Time

什麼是 MPP 數據庫？解鎖海量數據分析的關鍵技術

為什麼需要 MPP 數據庫？ 在數據爆炸的時代，傳統數據庫處理 TB 甚至 PB 級數據時往往力不從心，查詢緩慢，無法支撐實時分析需求。這種情況下，MPP 數據庫成為解決大規模數據分析性能瓶頸的關鍵技術。 想象一下：一個電商平台在大促期間，原本穩定的系統突然卡死；一個數據彙總應用在處理全年數據時崩潰。這些都是我們在高併發、高吞吐量場景下常見的問題。為什麼會這樣？因為系統設計時沒有考慮極限情況下的數

數據庫 , 分佈式 , 查詢優化 , starrocks , 數據分析
Create Time

數據湖和數據倉庫的區別

在當今數據驅動的時代，企業需要處理和存儲海量數據。數據湖與數據倉庫作為兩種主要的數據存儲解決方案，各自有其獨特的優勢與適用場景。本文將客觀詳細地介紹數據湖與數據倉庫的基本概念、核心區別、應用場景以及未來發展趨勢，幫助讀者更好地理解和選擇適合自身需求的數據存儲方案。 一、基本概念 數據湖（Data Lake） 數據湖的概念最早由Pentaho公司的James Dixon在2011年提出，是一種能夠存

數據分析 , 數據倉庫 , 數據結構 , 數據湖 , 大數據
Create Time

鏡舟科技亮相 2025 中國移動雲智算大會，展示數據湖倉一體創新方案

4月10-11日，2025 中國移動雲智算大會在蘇州金雞湖國際會議中心成功舉辦。大會以“由雲向智，共繪算網新生態”為主題，匯聚了眾多行業領袖與技術專家，共同探討了算力網絡與人工智能的深度融合與未來發展趨勢。 作為中國領先的企業級數據基礎設施服務商，鏡舟科技受邀亮相本次大會，展示了其在新一代數據架構領域的創新成果與實踐案例。 在本次大會上，鏡舟科技重點展示了基於鏡舟數據庫的 Lakehouse 解

數據分析 , 網絡 , 數字化轉型 , 數據庫 , 開源
Create Time

如何理解 Apache Iceberg 與湖倉一體（Lakehouse）？

一、什麼是湖倉一體（Lakehouse）？ 湖倉一體是一種融合了數據湖的靈活存儲能力與數據倉庫的高效分析功能的現代數據架構。它通過整合兩者的優勢，解決了傳統架構的侷限性，為企業數據處理提供了更全面的解決方案。 數據湖的開放性：支持多格式數據存儲（如 Parquet、ORC），兼容開放生態（如Hive、Iceberg），存儲成本低。 數據倉庫的高性能：提供 ACID 事務、高效查詢和實時分析能

數據湖 , 微信 , iceberg , 數據倉庫 , hive
Create Time

StarRocks 主鍵（Primary Key）深度解析

一、StarRocks 產品簡介 StarRocks 是一款高性能分析型數據庫，專為海量數據的實時分析而設計。作為新一代湖倉（Lakehouse）加速引擎，StarRocks 融合了 MPP 架構和列式存儲引擎的優勢，能夠支持億級數據秒級查詢響應。 核心特性： 全面的數據模型：支持明細模型、主鍵模型和聚合模型，滿足多樣化業務場景 實時數據分析：提供高效的數據導入與更新能力，支持實時數據處理

數據分析 , 數據庫 , 主鍵 , 物化視圖 , 緩存
Create Time

告別 T+1！解密金融級實時數據平台的構建與實踐

在數字金融浪潮下，數據處理的“實時性”已不再是加分項，而是逐漸成為決定業務價值的核心競爭力。 然而，金融機構在追求實時的道路上，往往陷入一個新的困境：實時分析系統與離線大數據平台形成了兩套獨立的“煙囱”，數據孤島、口徑不一、運維複雜、成本高昂等問題隨之而來。如何打破壁壘，在統一的平台上實現對實時流數據和海量歷史數據的統一管理與高性能分析，成為了當下金融機構的核心訴求。 一、業務困境：傳統“T+1”

架構 , flink , starrocks , 數據湖 , 金融行業
Create Time

2025 年非關係型數據庫全面指南：類型、優勢

非關係型數據庫的分類與特點 隨着數據量呈指數級增長和數據類型日益多樣化，傳統關係型數據庫在處理海量非結構化數據時面臨着嚴峻挑戰。非關係型數據庫（NoSQL）應運而生，它摒棄了傳統關係模型的約束，採用更靈活的數據存儲方式，為大數據時代的多樣化需求提供瞭解決方案。 2025 年，非關係型數據庫已經發展成為數據基礎設施的重要組成部分，根據其數據模型和存儲特點，可以將非關係型數據庫分為以下幾大類型： 鍵

starrocks , 非關係型數據庫 , 分析引擎 , SQL , 架構
Create Time

什麼是關係型數據庫？全面解析 RDBMS 核心原理與應用實踐

關係型數據庫基礎：定義與核心概念 關係型數據庫（Relational Database）是一種基於關係模型的數據庫管理系統，它以表格（table）的形式存儲數據，並通過結構化查詢語言（SQL）進行數據操作。作為當今最主流的數據庫類型，關係型數據庫以其嚴格的數據一致性、完整性和可靠性，成為企業信息系統的基石。 關係型數據庫的核心特徵 關係型數據庫區別於其他類型數據庫的關鍵特徵包括： 表格化數據結

架構 , rdbms , 物化視圖 , 關係型數據庫 , starrocks
Create Time

數據湖典型架構解析：2025 年湖倉一體化解決方案

數據湖架構概述：從傳統模型到 2025 年新範式 數據湖作為存儲海量異構數據的中央倉庫，其架構設計直接影響企業數據價值的釋放效率。傳統數據湖架構主要關注數據的存儲和管理，而 2025 年的數據湖架構已經演變為更加智能化、自動化的綜合性數據平台。 數據湖本質上是一個存儲庫，允許企業以原生格式存儲各類數據，包括結構化、半結構化和非結構化數據。與傳統數據倉庫相比，數據湖採用“讀時模式”（schema-o

數據分析 , starrocks , 架構 , 數據湖 , 數據處理
Create Time

什麼是列存儲（Columnar Storage）？深度解析其原理與應用場景

列存儲的基本概念：顛覆傳統的數據組織方式 列存儲（Column Storage）是一種革命性的數據庫存儲技術，它通過按列而非按行組織數據，從根本上改變了數據的物理存儲結構。與傳統行存儲數據庫不同，列式數據庫將每一列的數據連續存儲在一起，而不是將每一行的數據存儲在一起。這種看似簡單的存儲結構變化，卻為分析型查詢帶來了質的飛躍。 要理解列存儲的本質，我們可以通過一個簡單的例子來説明。假設有一個包含用户

數據庫 , olap , 數據分析 , 架構 , starrocks
Create Time

載譽而歸！鏡舟科技亮相2025 OSCAR開源產業大會，榮獲“開源+商業化產品”獎

10月28日，2025 OSCAR 開源產業大會在北京圓滿落幕。憑藉其在開源技術創新與商業化落地方面的卓越成就，鏡舟科技榮獲“2025年度開源+商業化產品”獎項。該獎聚焦開源技術的工程化能力與商業落地價值，旨在表彰那些不僅在開源社區擁有強大技術影響力，更成功地將開源技術轉化為成熟、可靠的商業產品，並創造出顯著市場價值的標杆企業。 本屆大會上，圍繞湖倉一體架構帶來的降本增效、國產化適配下的自主可

架構 , starrocks , bi , 開源 , 數據湖
1