StarRocks_labs

一、BI 的演进与智能 BI 的崛起 从近十余年 Gartner 魔力象限的变化中，可以清晰观察到商业智能（BI）与数据分析行业的演进趋势。从 2010 年到 2016 年，再到 2024 年，整个

“存算分离”（Decoupled Storage and Compute）是一种在现代数据系统中被广泛采用的架构设计。它将计算和存储解耦，使二者可以独立扩展，提升资源利用率并降低运维成本。StarRo

版本动态 v3.5.0 存算分离：支持生成列、主键表重建索引；大规模导入逻辑优化，降低小文件数量。 数据湖分析：Beta 支持 Iceberg 视图创建与修改；支持 Iceberg REST Cata

作者：随行付大数据团队&商业研发团队 一、概述 业务背景与挑战 我们原有的数据分析体系在架构上采用“离线 Oracle + Hive 与实时 Elasticsearch+Hbase+Kudu”分离的

方案介绍 本文档介绍如何通过 StarRocks 的 JDBC Catalog 功能，结合 MongoDB BI Connector，将 MongoDB 数据便捷接入 StarRocks，实现数据打通

自 2023 年 4 月推出存算分离架构以来，StarRocks 在性能优化和功能迭代方面不断加速，以持续满足企业日益增长的数据分析需求。最新发布的 StarRocks 3.5 版本再次聚焦用户痛点，

在刚刚落幕的 2025 Databricks Data + AI Summit 上，Databricks 重磅发布了多项 Lakehouse 相关功能更新。其中，面向数据湖治理场景的统一数据访问与管理

版本动态 v3.5.0-RC01 存算分离： 支持生成列、主键表重建索引；大规模导入逻辑优化，降低小文件数量。 数据湖分析： Beta 支持 Iceberg 视图创建与修改；支持 Iceberg RE

导读：开源无国界，在本期“StarRocks 全球用户精选案例”专栏中，我们将介绍区块链情报公司 TRM Labs 的数据平台演进实践。