StarRocks_labs

过去三十年，OLAP 引擎的发展核心始终围绕结构化数据的处理与分析，当然也取得了显著的进步，比如分布式架构、存算分离及 cloud native、查询性能大幅提升等。然而，随着大模型（LLM）技术的爆

StarRocks 是一款面向高并发、低延迟分析场景的高性能 MPP 数据库。围绕其数据组织方式与底层 I/O 流程，社区中一直有不少关注和讨论。尤其在引入存算分离架构之后，查询链路对 I/O 的依赖

作业帮的 Presto 主要承载即席查询场景，天级查询规模在 2000～5000 次，但均值耗时在分钟级，整体性能偏慢；同时由于与 Yarn、HDFS 混部，高峰期宿主机 CPU 经常打满，资源争抢严

在广告投放的全链路漏斗中，流量请求 → 流量识别 → 广告召回 → 出价竞价 → 胜出反馈 → 展示→ 点击→ 数据回收是完整闭环。 本篇作为广告投流系列第一篇，完整梳理整个漏斗，并聚焦展示→点击阶段

导读： 开源无国界。在本期「StarRocks 全球用户精选案例」中，我们走进全球领先的数字化体育平台——Fanatics。 作为各大体育联盟（如 NFL、NBA、MLB）的官方合作伙伴，Fanati

在数据湖已成为企业数字化转型重要基础设施的当下，如何在一个统一的计算引擎中高效处理多种数据源，成为业界关注的焦点。StarRocks 通过与 Paimon 的深度融合，正逐步构建一套完整的 Lakeh

2025 年，是 StarRocks 持续深耕与进化的一年。围绕 Lakehouse 与 AI 实时能力，多个关键能力在迭代与实践中渐次落地。项目的每一步前行，都得益于社区每一次真实的反馈与贡献。 站

作者：朱奥 /淘天集团高级数据工程师 1 淘天集团营销活动 OLAP 查询的探索背景与核心策略 1.1 当前数据架构 首先，简要介绍当前的数据架构与数据流转方式。 从 DWD 层开始，我们的数据分为实

Paimon + StarRocks 分层存储与高性能查询落地，兼顾实时、性能与成本 面对轨迹数据“高实时、高并发、长周期存储”的典型特征，高德团队以访问跨度为依据完成热/温/冷分层