正文

StarRocks 3.1 重磅发布，云原生湖仓新范式再升级！

admin
admin V管理员 /0 评论 /253 阅读
0811
此篇文章发布距今已超过470天，您需要注意文章的内容或图片是否可用！

​StarRocks 自 4 月底发布 3.0 版本，拥抱云原生，开启极速统一的湖仓新范式；8月7日，StarRocks 正式发布全新 3.1 版本，全面提升云原生存算分离构架、极速数据湖分析、物化视图等重量级特性，让用户更简单的实现极速统一的湖仓分析。

StarRocks 3.1 版本湖仓一体分析功能更完善、更易用：

  • 存算分离架构功能对齐存算一体，支持业界广泛应用的主键表模型及相关功能，让存算分离更好地支持实时分析场景；性能上，查询和导入性能也基本与存算一体架构持平。
  • 极速数据湖分析性能进一步提升，比 Trino/Presto 快3-6倍， 并实现常用 Trino 语法的完全兼容；增加 Apache Iceberg 的读写支持、对流式数据湖 Apache Paimon 的分析支持，让数据湖分析更加实时、简单、高效。
  • 异步物化视图上，进一步提升物化视图构建、刷新的稳定性，并提供更多灵活易用的创建和刷新参数、增加更多场景的 SQL 智能改写。
  • StarRocks 3.1 提供了随机分桶、表达式分区、FILES 表函数等更多新功能、新模式，进一步提升建表/分区/导入中的易用性。

毫无疑问，无论是功能、性能还是易用性，StarRocks 都将持续迈向新的台阶，打造 Lakehouse 的新范式，为用户提供极速统一的数据分析体验！

开始体验 StarRocks 3.1：
  • 完整中文 release note：https://docs.mirrorship.cn/zh-cn/main/release_notes/release-3.1
  • GitHub 地址：https://github.com/StarRocks/starrocks
  • 二进制包下载：https://www.mirrorship.cn/zh-CN/download/community

新增核心功能介绍

1、存算分离架构

3.1 版本，StarRocks 进一步完善对齐存算一体架构下的功能，包括新增支持主键模型表（包括支持部分列更新，但暂不支持持久化索引）、自增列属性 AUTO_INCREMENT、时间函数表达式分区及导入时自动创建分区。并且，进一步优化了数据缓存功能，可以指定热数据的缓存范围以防止冷数据过多占用缓存、影响热数据查询速度。在打开 Data cache 的情况下，存算分离架构与存算一体架构在查询性能、导入性能上都已基本持平。存算分离架构可以帮助用户在不损失查询性能的前提下，极大的降低存储成本。

2、数据湖分析

3.1 版本对 Iceberg Catalog 进行了完善与增强：

  • 在查询能力上，新增支持了对 Parquet 格式的 Icerberg v2 MOR 表的访问。
  • 在查询性能上，新增支持了对 Iceberg 元数据的内存+磁盘的两级缓存，在元数据文件较大的情况下显著提升查询性能。
  • 在写入能力上，新增支持了在 Icerberg 内创建数据库、表，并通过 INSERT INTO/OVERWRITE 写入 Parquet 格式数据。方便用户将 StarRocks 处理好的数据通过开放格式提供给生态内的其他组件。 同时，3.1 版本新增支持了 Elasticsearch catalog、Paimon catalog，并进一步增强 Trino 语法兼容性，持续扩大生态打通和提升产品易用性。

3、物化视图

自从 2.4 版本支持异步物化视图以来，这一功能就已经被大量的用户应用在查询加速、数仓建模等场景中。3.1 版本在异步物化视图的创建管理、查询智能改写、使用易用性上继续做了大量的优化工作。 对于同步物化视图，StarRocks 也在 3.1 版本中扩展了它的能力边界，拓宽更多应用场景。

异步物化视图

StarRocks 致力于让异步物化视图拥有与内表相同的加速和管理能力，在 3.1 版本中：

  • 支持通过ORDER BY 指定排序键，支持设置colocate_group，进一步利用 StarRocks 原生存储的优化来加速物化视图的查询性能。
  • 支持配置存储介质和降冷时间（storage_medium 、cooldown_time ），方便数据的生命周期管理。
  • 支持不指定分桶，默认采用随机分桶，提升创建物化视图的易用性。

并且为了使异步物化视图更加灵活，在 3.1 版本中：

  • 支持为物化视图的刷新配置会话变量 (Session Variable)，用户可以方便地为物化视图配置单独的执行策略，如查询超时时间、并行度、内存限制、是否开启算子落盘等。让物化视图的刷新不受集群整体变量的限制。
  • 支持基于视图（View）创建物化视图，分层建模选择更加灵活。
  • 支持通过SWAP原子替换物化视图，从而实现物化视图的 Schema Change 而不影响嵌套的血缘关系。
  • 支持手动激活失效的物化视图，从而在基表重建后仍旧复用历史物化视图。

在查询改写上，StarRocks 致力于让更多场景能够被智能改写，更多发挥物化视图的加速效果。在 3.1 版本中：

  • 新增支持 Join 派生改写、Count Distinct、time_slice 函数等场景的改写，并优化了 Union 改写能力。
  • 新增支持 Stale Rewrite，即在一定时间内允许改写至还未刷新的物化视图上。从而在允许一定数据延迟的实时场景下，通过物化视图提高查询并发。
  • 新增支持 View Delta Join，提升如指标平台、面向主题的宽表场景下的改写能力，降低物化视图的维护成本。

在刷新能力上，在 3.1 版本中：

  • 支持全新同步物化视图刷新接口，同步获取刷新结果。
  • 基于 Hive Catalog 创建的外表异步物化视图可以感知分区变动，按分区增量刷新，加速刷新的同时降低成本。

同步物化视图

同步物化视图因其同步更新、增量计算的能力受到广大用户的喜爱。在历史版本中，由于其支持的算子较少，应用场景较为受限。在 3.1 版本中，StarRocks 对同步物化视图能力边界进行拓展。在计算能力上，支持了CASE-WHEN、CAST、数学运算等表达式；支持在单个物化视图内设置多个聚合列；并且支持使用 HINT 来对同步物化视图进行直接查询。

 CREATE MATERIALIZED VIEW v1 AS SELECT b, sum(a + 1) as sum_a1, min(cast (a as bigint)) as min_a FROM base_table GROUP BY b;

在未来，StarRocks 也将持续完善和挖掘同步和异步物化视图的能力，让物化视图功能成为数据湖查询的一大利器。

4、优化查询性能和稳定性

卓越的查询性能是 StarRocks 一直以来引以为傲的优势。3.1 版本中，新增了生成列（Generated Column）功能，StarRocks 会根据生成列表达式自动计算表达式的值并在导入时即存储，在查询时会自动判断并进行改写，在无需增加查询复杂性的情况下，再一步提升查询性能，尤其适用对 JSON、Array、Map、Struct 等半结构数据的查询加速和对复杂表达式的计算加速。并且，如果生成列的类型是简单类型，还能利用上 zonemap 等索引，会更进一步加速查询性能。

  • 如下所示，newcol1、newcol2 是两个分别是对 data_array、data_json 列做了一些函数操作的生成列。
 CREATE TABLE t (      id INT NOT NULL,     data_array ARRAY < int > NOT NULL,      data_json JSON NOT NULL,     newcol1 DOUBLE AS array_avg(data_array),     newcol2 STRING AS get_json_string(json_string(data_json), '$.a')  );
  • 插入数据时正常插入即可（不用关心生成列），newcol1、newcol2 会自动计算并存储。
 INSERT INTO t VALUES (1, [1,2], parse_json('{"a" : 1, "b" : 2}')),                       (2, [3,5], parse_json('{"a" : 8, "b" : 3}'))
  • 查询时也正常查询即可，StarRocks 会自动改写 Query，变成对 newcol1、newcol2 的使用。
 SELECT max(get_json_string(json_string(data_json),”$.a”)) AS a,         min(array_avg(data_array)) AS b FROM t;

同时，StarRocks 优化了主键模型的部分列更新功能，执行 UPDATE 语句时会开启列模式（column mode），在更新少部分列但是有大量行的场景下，可提升十倍性能。

  • 在原来的「行模式」下，部分列更新时，StarRocks 会需要重写整行数据。
  • 在新的「列模式」下，只需要重写更新的列数据即可。

还有，StarRocks 支持了基数保持 JOIN 表（Cardinality-preserving Joins）的裁剪，优化了点查查询性能、统计信息收集、并行 merge 算法、优化内部锁使用的逻辑等等，进一步提升各类细分场景下的查询性能。其中「基数保持 JOIN 表的裁剪」功能在较多表的星型模型(比如 SSB)和雪花模型(TPC-H)中会有用武之地，当 JOIN 的表存在主键或者外键约束，且可以满足基数保持 JOIN 表裁剪的条件，一些经过裁剪后的 JOIN 的性能能加速 10X 倍以上。在风控领域进行多种组合的特征选择时，往往采用直接查询由较多表 JOIN 后的 View，此时的裁剪就会起到不错的效果。

⚠SELECT view 时，view 中不需要用到的 Table-C 被自动裁剪掉了。使用中需要额外设置一些约束。

Spill To Disk 加强

除了卓越的查询性能，在大规模的数据集上查询时的稳定性也是很重要的一个方面。3.1 版本中，StarRocks 正式支持了部分阻塞算子的 Spill（中间数据落盘）能力，当查询中包括聚合、排序或者连接算子时，开启 Spill 功能将允许相关的算子将计算的中间结果缓存到磁盘上，从而降低内存占用，尽量避免查询因内存不足而失败，在物化视图构建、数据 ETL 处理等内存密集型的场景中，开启 Spill 会极大地提升查询的稳定性。在单个 BE、16core/内存限制20G 的测试环境中，开启 Spill 功能后，StarRocks 能完整地跑完 TPCH-1TB 和 TPCDS-1TB 测试集。

5、提升建表与导入的易用性

在不断优化查询性能的同时，StarRocks 持续在建表和导入方面提升产品易用性、提供更多实用功能。在建表时，用户可以配置随机分桶（Random Bucketing）方式（默认），不再需要设置分桶键，StarRocks 会将导入数据随机分发到各个分桶中，同时配合使用 2.5.7 版本起支持的自动设置分桶数量功能（默认），用户可以不再需要关心分桶配置。

 CREATE TABLE site_access(     event_day DATE,     site_id INT DEFAULT '10',      ... ) DUPLICATE KEY(event_day, site_id) PARTITION BY date_trunc('day', event_day) DISTRIBUTED BY HASH(event_day,site_id) BUCKETS 10;  -- 可以不再需要指定

在导入数据时，如果数据是存储在 AWS S3/HDFS 上的 Parquet/ORC 格式文件，用户可以很简单地直接采用 INSERT + FILES() 表函数来导入数据，FILES 表函数会自动进行 table schema 推断，做到数据拿来即可 SELECT，用户甚至还可以使用 CTAS + FILES 一键式导入数据，在前期测试数据导入阶段尤其适用。

 CREATE TABLE insert_wiki_edit AS SELECT * FROM FILES(     'path' = 's3://inserttest/parquet/insert_wiki_edit_append.parquet',      'format' = 'parquet');

同时，关于建表时的分区设置，一般直接设置日期时间字段作为分区列即可，如果用户想要根据自己的数据更灵活地配置，也可以使用 StarRocks 新支持的表达式分区和LIST 分区方式，其中配置表达式分区后，StarRocks 会根据数据和分区表达式的定义规则自动创建分区。

并且，继 3.0 版本中湖分析支持查询 Map、Struct 类型数据后，3.1 版本中导入数据时也支持导入 Parquet/ORC 格式数据中的 Map、Struct 字段类型，为导入提供了更多选项。

StarRocks 在简化建表、简化导入方面将持续地进行端到端的优化，不断提升产品易用性和功能的完善性。

6、增强半结构化分析能力

3.1 版本中，StarRocks 正式原生支持了 Map 和 Struct 数据类型。除了基于湖上的半结构化数据分析，也支持建表、导入、创建物化视图。同时也补充了 Map 和 Struct 的更多函数，包括标量、聚合以及更多的 Map 高阶函数。

Array 数据类型支持了 Fast Decimal，并且 Array 函数支持了嵌套结构类型 Map、Struct 和 Array。让用户的查询分析体验更加灵活。

并且结合生成列的能力，可以进一步加速对复杂数据类型的计算与查询。例如对 JSON 内的对象的查询、大 ARRAY 的聚合计算等场景，均可以通过生成列在导入时预先完成计算，并在后续查询中通过自动改写完成查询加速。

可以认为，不论是从导入到查询的功能上、还是用生成列来优化性能上，StarRocks 基本完整地支持了 Array、JSON、Map、Struct 这类半结构化数据的能力。

最后，如你希望更加了解 StarRocks 3.1 版本，欢迎观看视频解说：

https://starrocks.feishu.cn/docx/AjsWdc28ZoAygixhZd9cdubAnBd#G8dEdRt0hozBIAxPcc6c1J5TnML

💬StarRocks Feature Groups： StarRocks 社区为了让用户在使用新 features 时能更加得心应手，设立了包含”物化视图“、”湖仓分析“和”存算分离“等的用户群，欢迎小伙伴们入群对特定 feature 进行深入交流！ 下方扫码添加小助手，回复关键字存算分离/湖仓分析/物化视图 即可加入对应的用户小组！👇🏻

https://wx.focussend.com/weComLink/mobileQrCodeLink/33412/0bfe8

在这个版本中，117 位贡献者 一共提交了 2785 个 Commits，感谢他们： stdpain, Astralidea, mofeiatwork, yandongxiao, kevincai, Seaven, hellolilyliuyi, EsoragotoSpirit, Youngwb, andyziye, packy92, sduzh, meegoo, zaorangyang, caneGuy, silverbullet233, chaoyli, LiShuMing, trueeyu, srlch, liuyehcf, ABingHuang, luohaha, amber-create, miomiocat, sevev, letian-jiang, stephen-shelby, zombee0, nshangyiming, satanson, fzhedu, Smith-Cruise, gengjun-git, decster, TszKitLo40, starrocks-xupeng, evelynzhaojie, ZiheLiu, zhenxiao, wyb, rickif, HangyuanLiu, liuzhongjun89, dirtysalt, abc982627271, wanpengfei-git, SilvaXiang, hongli-my, kangkaisen, liuyufei9527, ggKe, xuzifu666, ucasfl, GavinMar, jkim650, JackeyLee007, tracymacding, huzhichengdd, Moonm3n, silly-carbon, imay, szza, you06, leoyy0316, Johnsonginati, smartlxh, xiangguangyxg, vendanner, QingdongZeng3, zhangruchubaba, wxl24life, banmoy, matchyc, predator4ann, huangfeng1993, dengliu, choury, bowenliang123, sebpop, RamaMalladiAWS, dustinlineweber, jiacheng-celonis, chen9t, blanklin030, wangsimo0, howrocks, qmengss, alberttwong, before-Sunrise, chenjian2664, wangruin, kobebryantlin0, wangxiaobaidu11, creatstar, kateshaowanjou, huandzh, mlimwxxnn, goldenbean, Jay-ju, ss892714028, mchades, cbcbq, shileifu, xiaoyong-z, sfwang218, uncleGen, r-sniper, blackstar-baba, ldsink, gddezero, fieldsfarmer, even986025158, idomic, yangrong688, padmejin, zuyu
宙飒天下网-ZhouSa.com