StarRocks是一款高性能的分析型数据仓库，适用于OLAP多维分析、实时数据仓库和高并发查询场景。其系统架构简单，采用FE和BE节点，支持弹性扩展和数据高可用。表设计采用列式存储、稀疏索引和加速技术，提供明细、聚合、更新和主键四种数据模型。StarRocks通过多副本、分区和分桶策略实现高效数据管理和查询处理。
目录
一、什么是StarRocks？
StarRocks 是一款高性能分析型数据仓库，使用向量化、MPP 架构、可实时更新的列式存储引擎等技术实现多维、实时、高并发的数据分析。
二、适用场景
StarRocks 可以满足企业级用户的多种分析需求，包括 OLAP 多维分析、定制报表、实时数据分析和 Ad-hoc 数据分析等。
OLAP 多维分析：
-
用户画像、标签分析、圈人
-
用户行为分析
-
财务报表
-
业务问题探查分析
-
高维业务指标报表
-
自助式报表平台
-
系统监控分析
-
跨主题业务分析
实时数据仓库：
-
电商大促数据分析
-
物流行业的运单分析
-
金融行业绩效分析、指标计算
-
直播质量分析
-
广告投放分析
-
管理驾驶舱
-
探针分析APM（Application Performance Management）
高并发查询：
-
广告主报表分析
-
零售行业渠道人员分析
-
SaaS 行业面向用户分析报表
-
Dashbroad 多页面分析
统一分析 ：
-
通过使用一套系统解决多维分析、高并发查询、预计算、实时分析查询等场景，降低系统复杂度和多技术栈开发与维护成本。
-
使用StarRocks 来统一数据湖和数据仓库，将高并发和实时要求性很高的业务放在StarRocks中分析，把数据湖上的分析使用StarRocks外表查询，统一使用 StarRocks 管理湖仓数据。
三、系统架构
系统架构图
StarRocks的架构简洁，整个系统的核心只有FE（Frontend）、BE（Backend）两类进程，不依赖任何外部组件，方便部署与维护。同时，FE和BE模块都可以在线水平扩展，元数据和数据都有副本机制，确保整个系统无单点。
FE（Frontend）是StarRocks的前端节点，负责管理元数据，管理客户端连接，进行查询规划，查询调度等工作。FE根据配置会有两种角色：Follower和Observer。
- Follower会通过类Paxos的BDBJE协议选主出一个Leader（实现选主需要集群中有半数以上的Follower实例存活），只有Leader会对元数据进行写操作。非Leader节点会自动的将元数据写入请求路由到Leader节点。每次元数据写入时，必须有多数Follower成功才能确认是写入成功。
- Observer不参与选主操作，只会异步同步并且回放日志，主要用于扩展集群的查询并发能力。每个FE节点都会在内存保留一份完整的元数据，这样每个FE节点都能够提供无差别的服务。
BE（Backend）是StarRocks的后端节点，负责数据存储以及SQL执行等工作。
数据存储方面，StarRocks的BE节点都是完全对等的，FE按照一定策略将数据分配到对应的BE节点。在数据导入时，数据会直接写入到BE节点，不会通过FE中转，BE负责将导入数据写成对应的格式以及生成相关
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
