深入理解 StarRocks Bitmap 索引和 Bitmap 去重

在 StarRocks 中，Bitmap 索引和 Bitmap 去重是两种基于位图技术的核心功能，但它们的应用场景、实现机制以及优化目标存在显著差异。以下从定义、作用、实现原理、适用场景及限制等方面进行详细对比分析。

迈向云原生：理想汽车 OLAP 引擎变革之路

本文整理自理想汽车大数据工程师在StarRocks Summit Asia 2024的分享

什么是 OLAP 数据库？企业如何选择适合自己的分析工具

选择合适的 OLAP 数据库是企业数据分析能力建设的关键一步。

Apache Iceberg 解析，一文了解Iceberg定义、应用及未来发展

Iceberg：新一代数据湖仓实践之基础组件之一，助力企业数据架构升级。

如何理解 Apache Iceberg 与湖仓一体（Lakehouse）？

Apache Iceberg与湖仓一体架构：技术洞察与实践指南

深入理解 Bitmap 索引：原理、场景与应用案例

本文将从原理、适用场景到实践案例，深入用户理解 Bitmap 索引的核心价值。

物化视图详解：数据库性能优化的利器

本文将深入剖析物化视图的工作原理、应用场景及最佳实践，帮助企业在合适的场景中充分发挥其性能优势。

StarRocks 与主流 BI 工具兼容性盘点（Superset/帆软/QuickBI/Tableau）

企业可以根据自身需求特点，选择最适合的 BI 工具与 StarRocks 组合，构建高效、灵活、可扩展的现代数据分析平台

StarRocks 主键（Primary Key）深度解析

StarRocks 是一款高性能分析型数据库，专为海量数据的实时分析而设计。作为新一代湖仓（Lakehouse）加速引擎，StarRocks 融合了 MPP 架构和列式存储引擎的优势，能够支持亿级数据秒级查询响应。

Hadoop与现代数据分析：从批处理到实时查询的演进

本文将带你深入了解Hadoop的核心原理、关键组件以及未来演进路线，帮助你快速了解这一大数据基础技术。

Apache Paimon：新一代流式数据湖平台的核心解析与实践指南

Paimon 提供流批一体的数据湖能力，而 StarRocks 则提供卓越的 OLAP 引擎性能，二者结合可大幅降低数据延迟，简化技术架构，同时保障查询性能。对于追求数据实时性与分析性能兼得的企业而言，Paimon+StarRocks 的组合将是一个理想的技术选择。

Apache Hudi：构建实时数据湖的核心技术与实践指南

Apache Hudi 正在重新定义大数据存储范式，为实时数据湖提供了轻量级而功能强大的解决方案。通过融合数据库和数据湖的优势，Hudi 使企业能够构建真正实时、高效且易于管理的大数据平台。

BI 工具响应慢？可能是 OLAP 层拖了后腿

当 BI 工具遇“卡顿”，OLAP 层优化是关键。

OLAP 技术全解析：从定义到核心场景，企业如何选择联机分析处理方案？

OLAP 技术的核心价值到底是什么？企业又该如何从众多方案中选择最适合自己的？本文将从实践角度出发，带你详解 OLAP 技术。

什么是 OLAP？解析新一代引擎 StarRocks 的三大破局点

传统 OLAP 引擎（如 ClickHouse、Kylin）常面临多表关联性能差、运维复杂、资源隔离不足等挑战，而 StarRocks 作为新一代极速全场景 MPP 数据库，正以三大破局点重新定义 OLAP 标准。

2025 Lakehouse 趋势全景展望：从技术演进到商业重构

据 IDC 预测，2025 年全球数据量将突破 175 ZB，非结构化数据占比超过 80%，到 2027 年全球数据生成量更将突破 300 ZB。

如何通过物化视图加速数据湖查询？

在企业数据分析实践中，数据湖查询性能不足是一个普遍性问题。为提升查询效率，大多数企业选择将数据迁移至数据仓库。这种方案虽然解决了性能问题，却增加了数据治理的复杂性和维护成本。本文将带大家探讨如何通过物化视图，让数据湖性能也能追平数仓，实现实时数据分析。

如何通过高效的缓存策略无缝加速湖仓查询

本文将探讨如何利用开源项目 StarRocks 的缓存策略来加速湖仓查询，为企业提供更快速、更灵活的数据分析能力。作为 StarRocks 社区的主要贡献者和商业化公司，镜舟科技深度参与 StarRocks 项目开发，也为企业着手构建湖仓架构提供更多参考。

如何使用 StarRocks 管理和优化数据湖中的数据？

本篇文章旨在介绍开源项目 StarRocks 作为高性能分布式分析型数据库，如何以其卓越的查询性能、低延迟和可扩展性，为数据湖中的数据管理和查询优化提供支持，进一步提供数据处理的效率及时效性。

如何利用 StarRocks 实时分析数据湖中的数据？

众所周知，湖仓一体架构（Lakehouse）能提供更为统一和高效的数据处理与分析能力。StarRocks 当前已打通多种数据湖组件，如 Apache Iceberg、Apache Hudi、Delta Lake、Apache Paimon等，实现了对数据湖的实时查询与分析。不仅能够作为查询引擎直接读取数据湖中的数据，还支持物化视图等高级功能，进一步提升查询性能，帮助企业“一键实现”湖仓架构。

CloudCanal 落地 StarRocks 数据迁移同步的实践与思考

本文内容主要分为以下两个部分： 1. 什么是 CloudCanal ：包括 CloudCanal 的核心能力、应用场景、产品特点和用户群体。 2. CloudCanal 落地 StarRocks 的数据迁移同步过程：包括 StarRocks 对端的使用、基础能力、写入优化，以及 StarRocks 和 CloudCanal 一起构建的数据体系在用户层面的应用。

SeaTunnel StarRocks 连接器的使用及原理介绍

Apache SeaTunnel（以下简称 SeaTunnel）是一个分布式、高性能、易扩展、用于海量数据（离线&实时）同步和转化的数据集成平台。StarRocks 通过与 SeaTunnel 的结合可以轻松实现 StarRocks 和不同数据源之间的数据交换。

Paimon+StarRocks 湖仓一体数据分析方案

本文整理自阿里云高级开发工程师曾庆栋（曦乐）在 Streaming Lakehouse Meetup 分享的内容，深入探讨了传统数据仓库分析、Paimon+StarRocks 湖仓一体数据分析、StarRocks 与 Paimon 的协同使用方法与实现原理，以及StarRocks 社区湖仓分析的未来规划。

StarRocks × Apache Flink：如何构建简单强大的实时数仓架构

当前在构建实时数仓时，由于数据源的多样性，需要使用不同的采集工具，如 Flume、Canal、Logstash。对于不同的业务，我们通常会采用不同的分析引擎。

深度好文｜实时数仓不用愁，StarRocks+Flink 来解忧！

2022年1月9日， StarRocks 亮相 Flink Forward Asia 2021 大会开源解决方案专场， StarRocks 解决方案架构师谢寅做了题为【双剑合璧：Flink + StarRocks 构建实时数仓解决方案】的主题演讲。本文以主讲嘉宾从技术方案的角度，为社区的小伙伴带来最全、最详细的文字版回顾。

如何利用 StarRocks 加速 Iceberg 数据湖的查询效率

直播 | StarRocks 实战系列第一期——部署&导入

From Zero to StarRocks Hero

实战系列第三期：StarRocks 运维相关

实战系列第一期：部署&导入

实战系列第二期：导入优化&问题排查

01｜手动搭建 StarRocks 集群环境

02｜手动构建高可用 StarRocks 集群环境

03｜如何在 StarRocks 中创建表？

04｜StarRocks 表模型基本介绍

05｜StarRocks 极速特性介绍

06｜StarRocks 统一特性介绍