StarRocks 動態日志
動態
列表
技術內幕｜StarRocks 標量函數與聚合函數
作者：徐嘉 StarRocks Active ContributorStarRocks 函數就像預設於數據庫中的公式，允許用户調用現有的函數以完成特定功能。函數可以很方便地實現業務邏輯的重用，因此正確使用函數會讓讀者在編寫 SQL 語句時起到事半功倍的效果。 StarRocks 提供了多種內置函數，包括標量函數、聚合函數、窗口函數、Table 函數和 Lambda 函數等，可幫助用户更加便捷
淘寶閃購實時分析黑科技：StarRocks + Paimon撐起秋天第一波奶茶自由
作者：馬龍傑（澄諾） 阿里巴巴中國電商事業羣-餓了麼-DIC數據智能中心-數據研發流量組 摘要：實時湖倉架構賦能即時零售，在多端流量與億級營銷投入下支撐分鐘級決策與體驗升級。 導讀： 當“秋天的第一杯奶茶”衝上熱搜時，很多人看到的是用户的熱情與訂單的暴漲，而在背後，技術團隊同樣在全力以赴。自 4 月 30 日淘寶閃購上線以來，短短 100 天，業務團隊創造了一個奇蹟，技術團隊則在高併發與
StarRocks：Connect Data Analytics with the World
作者：StarRocks TSC Member、鏡舟科技 CTO——張友東 本文基於鏡舟科技 CTO、StarRocks TSC 成員張友東在 StarRocks Connect 2025 活動上的主題分享整理而成。圍繞大會的核心主題——“數據與世界的連接”，本文將從三個維度進行闡述： 過去：StarRocks 通過開源的力量，將全球的社區用户緊密聯繫在一起。 現在：StarRo
StarRocks 在愛奇藝大數據場景的實踐
作者：林豪，愛奇藝大數據 OLAP 服務負責人 小編導讀： 本文整理自愛奇藝工程師在 StarRocks 年度峯會的分享，介紹了愛奇藝 OLAP 引擎演化及引入 StarRocks 後的效果。 在廣告業務中，StarRocks 替換 Impala+Kudu 後，接口性能提升 400%，P90 查詢延遲縮短 4.6 倍。 在“魔鏡”數據分析平台中，StarRocks 替代 Spar
StarRocks 助力印度領先即時零售平台 Zepto 構建實時洞察能力
導讀： 開源無國界，在本期 “StarRocks 全球用户精選案例” 中，我們走進印度即時零售品牌 Zepto。 這家以 “10 分鐘送達” 聞名的公司，業務已覆蓋 50+ 城市、45,000+ 商品，品類橫跨生鮮雜貨、電子產品、美妝個護、服飾、玩具等。憑藉前沿技術與戰略佈局的前置倉網絡，Zepto 在短短几年間徹底改變了印度的即時零售格局。 隨着規模擴張，Zepto 藉助 StarRo
Airtable 如何用 StarRocks 構建數據驗證系統
摘要：歸檔冷數據至 S3，藉助 StarRocks 實現一致性驗證與存儲降本 作者：Riley ，Airtable 數據基礎設施團隊 導讀： 開源無國界，在本期“StarRocks 全球用户精選案例”專欄中，我們將介紹總部位於舊金山的雲端協作服務公司 Airtable。作為一家致力於讓用户像操作表格一樣輕鬆構建數據應用的企業，Airtable 在 2025 年完成
微信基於 StarRocks 的實時因果推斷實踐
作者： 張婧婧 騰旭微信數據科學家 熊吉祥 騰訊微信 OLAP 研發工程師、StarRocks Contributor本文整理自微信工程師 在 StarRocks 年度峯會上的分享，介紹了因果推斷在業務中的應用，詳細闡述了基於 StarRocks 構建因果推斷分析工具的技術方案，通過高效算子的支持，大幅提升了計算效率。例如，t 檢驗在 6億行數據上的執行時間僅需 1 秒。StarRocks
實戰｜StarRocks 通過 JDBC Catalog 訪問 MongoDB 的數據
方案介紹 本文檔介紹如何通過 StarRocks 的 JDBC Catalog 功能，結合 MongoDB BI Connector，將 MongoDB 數據便捷接入 StarRocks，實現數據打通和 SQL 查詢分析，以下是整體流程圖。 前提條件 StarRocks 環境：版本 ≥ 3.0，支持 JDBC Catalog 功能。 MongoDB BI Connector：已安裝並運行，
告別 Hadoop，擁抱 StarRocks！政採雲數據平台升級之路
作者：李進勇 政採雲研發中心數據平台負責人 導讀： 在當下數字化轉型的浪潮中，數據早已從輔助資源躍升為核心生產資料和決策基礎。政府提升治理效能，企業優化運營、創新服務，都深度依賴對海量數據的實時洞察與高效處理。 政採雲平台作為政府採購數字化的創新典範，集監管、交易、服務於一體，經過近九年的發展，已成為行業內服務範圍最廣、用户數量最多、交易最活躍、監管產品最豐富的跨區域、跨層級、跨領域的一
StarRocks 在 Cisco Webex 的探索與實踐
作者： 白旭：Cisco Software Engineer, Apache Amoro PPMC member 許鴻坤：Cisco Senior Software Engineer 導讀：本文內容整理自 白旭 與 許鴻坤 兩位嘉賓在 StarRocks Connect 2025 上的聯合演講。 基於 Cisco Webex 的核心分析場景，分享了從 Pinot 技術棧遷移
StarRocks 4.0：Real-Time Intelligence on Lakehouse
回顧 StarRocks 的進化之路，每一次大版本迭代都緊扣時代對數據分析的核心訴求。 StarRocks 1.x，打造極速查詢性能，解決 BI 報表、數據探尋慢的痛點問題。 StarRocks 2.x，解決‘實時分析’的難題，幫助用户更快的洞察業務。 StarRocks 3.x，升級存算分離架構，打造極速統一的湖倉分析能力，讓數據分析更加的簡單高效。 在新的 AI 時代，模型訓練推理與
從 ClickHouse 到 StarRocks 存算分離： 攜程 UBT 架構升級實踐
作者：魏寧 攜程大數據平台開發專家 導讀： 在攜程龐大的數據體系中，UBT（User Behavior Tracking，用户行為追蹤系統）承擔着核心的用户行為採集與分析任務，日新增數據量高達 30 TB。為應對不斷增長的業務與性能需求，攜程技術團隊將 UBT 從 ClickHouse 遷移至 StarRocks 存算分離架構。 遷移後，系統實現了查詢性能從秒級到毫秒級的跨越——平均查詢耗