导读：随行付作为国内领先的支付基础设施平台，致力于携手合作伙伴与中小微企业，共建安全、稳定、高效运转的数字化支付生态，持续为不同行业与场景提供融合支付与经营的一体化数字化解决方案。随着支付业务的快速发展，原有基于 Oracle + Hive 与 Elasticsearch + K...

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，带来了一系列实用的新特性：新增的 Snapshot 快照恢复机制有效提升数据安全与灾备能力...

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，实现数据打通和 SQL 查询分析，以下是整体流程图。

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方案 —— Unity Catalog，迎来了三大关键升级：全面支持 Apache Iceberg、面向业务用户的全新使用体验，以及数...

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 REST Catalog 嵌套命名空间；性能提升与查询优化：支持 Table Sample、多列联合 NDV、Query Feedback ...

作者：Vijay Shekhawat：TRM Labs 数据平台团队核心成员，精通实时流处理、数据湖仓架构及构建安全、高吞吐的数据分析管道，在推动 PB 级数据处理能力方面发挥了关键作用。Andrew Fisher：TRM Labs 资深软件工程师，擅长大规模批处理数据加载与数据湖仓方案，为应对...

导读：本文将深入探讨基于 StarRocks 和 Iceberg 构建的云原生湖仓分析技术，详细解析两者结合如何实现高效的查询性能优化。内容涵盖 StarRocks Lakehouse 架构、与 Iceberg 的性能协同、最佳实践应用以及未来的发展规划，为您提供全面的技术解读。作者：杨关锁，北...

A+ 流量分析平台是阿里集团统一的全域流量数据分析平台。从页面&小站&活动&APP 等作为切入点，在经过埋点、采集、计算后，构建出宏观的概览数据、坑位效果、类目成交转化、路径分析、用户细分等，致力于打造流量数据分析闭环，快速帮助业务发现流量问题&提升流量转化...

版本动态3.4.3 版本更新核心功能升级Routine Load和Stream Load新增Lambda表达式支持，支持复杂的列数据提取增强JSON数据处理能力，支持将JSON Array/Object转为ARRAY/MAP类型优化information_schema.task_runs视图查询，新增LIMIT支持性能与稳定性提升修复查询ORC格...

从“极速统一 OLAP”到“Lakehouse is All You Need”，三年间，我们见证了 StarRocks 功能的飞速进化与迭代，也见证了社区的茁壮成长。越来越多的用户在不同场景中使用 StarRocks，与我们一起“升级打怪”，不断解锁数据背后的业务价值。

过去，开发者要让大模型（LLM）使用数据库查询数据，往往需要开发专属插件、设计复杂的接口或手动构建 Prompt，这不仅费时费力，而且很难在不同模型之间复用。StarRocks MCP Server 提供了一个“通用适配器”接口，让各种 LLM（如 Claude、OpenAI、Gemini）都能标准化...

Grab 是东南亚领先的超级应用，业务涵盖外卖配送、出行服务和数字金融，覆盖东南亚八个国家的 800 多个城市，每天为数百万用户提供一站式服务，包括点餐、购物、寄送包裹、打车、在线支付等。为了优化 Spark 监控性能，Grab 将其 Spark 可观测平台 Iris 的核心存储迁...

过去五年，StarRocks 发布了三个大版本：StarRocks 1.0：通过向量化引擎和 CBO，打造极速 OLAP 数据库。StarRocks 2.0：通过主键模型、数据湖分析和查询引擎优化，进一步打造极速统一的 OLAP 数据库。StarRocks 3.0：通过存算分离、物化视图和数据湖分析，打造 Open ...

在日常运维中，我们常常面临突发问题，只能疲于“救火”。本文将从资源使用率、服务可用性、业务持续性等多个维度出发，介绍如何构建一套有效的监控与告警体系，实现从被动响应到主动干预，让问题止于萌芽阶段。

RAG（Retrieval-Augmented Generation，检索增强生成）是一种结合外部知识检索与 AI 生成的技术，弥补了传统大模型知识静态、易编造信息的缺陷，使回答更加准确且基于实时信息。

版本动态3.4.1 版本更新核心功能升级数据安全与权限管控支持「安全视图」功能，严格管控视图查询权限MySQL协议连接支持SSL认证，保障数据传输安全存算分离架构增强支持自动创建Snapshot（集群恢复更便捷）Storage Volume新增Azure Data Lake Gen2支持分析能力优化湖...

自成立以来，StarRocks 中文社区已举办百余场技术活动，产出数百篇优质内容，助力数十万开发者提升大数据能力。这里汇聚了众多行业专家，但仍有更多技术高手未被发掘——或许就是你！现在，我们诚挚邀请热爱技术分享的你加入「2025 年度布道师计划」，与社区携手成长，...

本文作者：邹佳华 碧桂园服务大数据运维高级工程师田明 碧桂园服务数据开发高级工程师指导人:杜鹏 部门总经理编者荐语:碧服顺利完成StarRocks存算分离架构迁移，资源利用率大幅提升，运维成本下降，系统稳定性显著增强。报表响应提速3-5倍，查询P99提速8倍，SLA达99....

当数据库告警突然响起，你是否曾手忙脚乱地排查问题，却找不到根源？监控告警的意义不仅在于“发现问题”，更在于“预防问题”。只有提前识别潜在风险，才能避免服务中断、数据延迟、查询异常等故障对业务造成严重影响。

导读：本文整理自汽首约车大数据负责人任智红在 StarRocks 年度峰会上的演讲，介绍了 StarRocks 在公司内部的应用。主要业务场景包括：运效诊断与干预：实现秒级数据接入和计算，分钟级生成和应用标签，提高了数据处理效率。供需平衡联动：支持实时计算数百亿数据，...