Doris vs StarRocks实战：SSB压测全流程解析（附避坑指南）

Doris vs StarRocks实战：SSB压测全流程解析（附避坑指南）

当我们需要为数据仓库选型时，性能往往是决定性的砝码。Doris和StarRocks，这两个同源而生却又各自发展的MPP数据库，经常让技术决策者陷入“幸福的烦恼”。网上不乏各种基准测试报告，但数据背后的环境细节、操作流程和那些只有亲手操作才会遇到的“坑”，往往语焉不详。这篇文章，我想从一个实际执行者的角度，带你完整走一遍SSB（Star Schema Benchmark）压测的全过程。这不仅仅是一次性能对比，更是一次从零开始的实战演练，我会把每一步的操作、可能遇到的问题以及我的解决思路，毫无保留地分享出来。无论你是想为自己的项目做技术选型，还是单纯想深入了解这两个系统的性能特性，这篇手把手的指南都能让你避开我踩过的雷，直达核心。

1. 压测环境搭建与数据准备

压测的第一步，也是最容易出问题的一步，就是搭建一个干净、可控的测试环境。很多人直接拿生产环境的副本来测，结果引入了太多变量，导致数据没有可比性。我的建议是，务必使用独立的、硬件配置完全一致的集群来进行对比测试。

1.1 硬件与软件环境规划

为了确保公平，我为Doris和StarRocks分别准备了两个完全相同的物理集群。每个集群包含3个节点（1个FE，2个BE），节点配置如下：

注意：如果你使用云主机，请确保所有实例位于同一可用区、同一子网，并且实例类型（CPU型号、内存带宽、网络性能）完全相同。云盘性能也需保持一致，建议使用同等级别的ESSD云盘。

软件版本的选择同样关键。我选择了当时最新的稳定版本：

• Apache Doris: 2.0.5
• StarRocks: 3.2.3

这两个版本发布时间接近，功能集和优化方向具有可比性。安装过程两者都相对简单，通过官方文档的二进制包部署即可。这里有一个小技巧：在安装完成后，先别急着进行任何参数调优。第一轮测试，请使用默认配置。这能帮助我们了解系统的“开箱即用”性能，后续的调优才有基准可言。

1.2 SSB测试数据生成

SSB是学术界和工业界广泛使用的星型模型基准测试。我们将使用Doris社区提供的ssb-tools来生成数据。

首先，从GitHub获取工具包：

git clone https://github.com/apache/doris.git
cd doris/tools/ssb-tools

编译数据生成器：

./build-ssb-dbgen.sh

这个脚本会编译dbgen工具。如果遇到编译错误，通常是缺少依赖（如gcc, make），根据提示安装即可。

接下来，生成测试数据。-s参数指定缩放因子（Scale Factor），它决定了数据量的大小。-s 100意味着生成约100GB的原始文本数据。对于初次测试，我建议从-s 10或-s 20开始，速度更快。

# 生成约20GB的测试数据
./gen-ssb-data.sh -s 20

数据生成过程可能会持续几分钟到几十分钟，取决于你的磁盘性能和缩放因子。生成的数据会放在ssb-data/目录下，包含以下文件：

• lineorder.tbl (事实表，数据量最大)
• customer.tbl
• part.tbl
• supplier.tbl
• date.tbl

第一个坑点：字符编码。dbgen生成的文本文件默认编码可能与数据库不匹配，导致后续导入乱码。一个稳妥的做法是，生成后检查一下文件格式，并统一转换为UTF-8：

file ssb-data/lineorder.tbl
# 如果显示非UTF-8，如ISO-8859
iconv -f ISO-8859-1 -t UTF-8 ssb-data/lineorder.tbl -o ssb-data/lineorder_utf8.tbl
mv ssb-data/lineorder_utf8.tbl ssb-data/lineorder.tbl

2. 数据导入与表结构设计

数据生成完毕，接下来就是创建表并导入数据。这一步，Doris和St