什么是EMR Serverless StarRocks

StarRocks介绍

• StarRocks是新一代极速全场景MPP（Massively Parallel Processing）数据库，致力于构建极速和统一分析体验。

• StarRocks兼容MySQL协议，可使用MySQL客户端和常用BI工具对接StarRocks来分析数据。

• StarRocks采用分布式架构：

  • 对数据表进行水平划分并以多副本存储。

  • 实例规模可以灵活伸缩，支持10 PB级别的数据分析。

  • 支持MPP框架，并行加速计算。

  • 支持多副本，具有弹性容错能力。

StarRocks特性

架构精简

• StarRocks内部通过MPP计算框架完成SQL的具体执行工作。MPP框架能够充分的利用多节点的计算能力，整个查询可以并行执行，从而实现良好的交互式分析体验。

• StarRocks实例不需要依赖任何其他组件，易部署、易维护和极简的架构设计，降低了StarRocks系统的复杂度和维护成本，同时也提升了系统的可靠性和扩展性。管理员只需要专注于StarRocks系统，无需学习和管理任何其他外部系统。

全面向量化引擎

StarRocks的计算层全面采用了向量化技术，将所有算子、函数、扫描过滤和导入导出模块进行了系统性优化。通过列式的内存布局、适配CPU的SIMD指令集等手段，充分发挥了现代CPU的并行计算能力，从而实现亚秒级别的多维分析能力。

智能查询优化

StarRocks通过CBO优化器（Cost Based Optimizer）可以对复杂查询自动优化。无需人工干预，就可以通过统计信息合理估算执行成本，生成更优的执行计划，大大提高了AdHoc和ETL场景的数据分析效率。

联邦查询

StarRocks支持使用外表的方式进行联邦查询，当前可以支持Hive、MySQL、Elasticsearch、Iceberg和Hudi类型的外表，您无需通过数据导入，可以直接进行数据查询加速。

高效更新

StarRocks支持明细模型、聚合模型、主键模型和更新模型，其中主键模型可以按照主键进行Upsert或Delete操作，通过存储和索引的优化可以在并发更新的同时实现高效的查询优化，更好的服务实时数仓的场景。

智能物化视图

• StarRocks支持智能的物化视图。您可以通过创建物化视图，预先计算生成预聚合表用于加速聚合类查询请求。
• StarRocks的物化视图能够在数据导入时自动完成汇聚，与原始表数据保持一致。
• 查询的时候，您无需指定物化视图，StarRocks能够自动选择最优的物化视图来满足查询请求。

标准SQL

• StarRocks支持标准的SQL语法，包括聚合、JOIN、排序、窗口函数和自定义函数等功能。
• StarRocks可以完整支持TPC-H的22个SQL和TPC-DS的99个SQL。
• StarRocks兼容MySQL协议语法，可以使用现有的各种客户端工具、BI软件访问StarRocks，对StarRocks中的数据进行拖拽式分析。

流批一体

• StarRocks支持实时和批量两种数据导入方式。
• StarRocks支持的数据源有Kafka、HDFS和本地文件。
• StarRocks支持的数据格式有ORC、Parquet和CSV等。
• StarRocks可以实时消费Kafka数据来完成数据导入，保证数据不丢不重（exactly once）。
• StarRocks也可以从本地或者远程（HDFS）批量导入数据。

高可用易扩展

• StarRocks的元数据和数据都是多副本存储，并且实例中服务有热备，多实例部署，避免了单点故障。

• 实例具有自愈能力，可弹性恢复，节点的宕机、下线和异常都不会影响StarRocks实例服务的整体稳定性。

• StarRocks采用分布式架构，存储容量和计算能力可近乎线性水平扩展。StarRocks单实例的节点规模可扩展到数百节点，数据规模可达到10 PB级别。

• 扩缩容期间无需停服，可以正常提供查询服务。

• StarRocks中表模式热变更，可通过一条简单SQL命令动态地修改表的定义，例如增加列、减少列和新建物化视图等。同时，处于模式变更中的表也可以正常导入和查询数据。

数据湖分析

StarRocks不仅能高效的分析本地存储的数据，也可以作为计算引擎直接分析数据湖中的数据，支持Apache Hive、Apache Iceberg、Apache Hudi等数据组织结构；支持Parquet、ORC、CSV等文件格式；也支持HDFS、S3、OSS等存储方式。

在数据湖分析场景中，StarRocks主要负责数据的计算分析，而数据湖则主要负责数据的存储、组织和维护。使用数据湖的优势在于可以使用开放的存储格式和灵活多变的Schema定义方式，可以让BI、AI、AdHoc、报表等业务维持在统一的单点身份可信（Single Source of Truth），而StarRocks作为数据湖的计算引擎，可以充分发挥向量化引擎和CBO（Cost Based Optimizer）的优势，大大提升了数据湖分析的性能。

Serverless StarRocks增强特性