StarRocks 3.4 发布:AI 场景新支点,Lakehouse 能力再升级

在 3.4 版本中,我们聚焦 AI 场景的扩展,推出了 Vector Index、Python UDF 支持,并实现了 Arrow Flight 协议, 为数据分析和 AI 检索场景提供更强大的功能和性能支持!

镜舟科技荣膺“北京市用户满意企业”认证,以用户为中心驱动高质量发展

近日,镜舟科技获 “北京市用户满意企业” 认证。其基于 StarRocks 的方案应用广泛,以用户为中心,未来将助力各行业客户实现数字化转型升级,共同推动中国数据智能产业高质量发展。

马上解锁 StarRocks 存算分离,降本增效无需等!

StarRocks 于 4 月底正式发布了 3.0 版本,该里程碑版本带来了大家期盼已久的新特性--存算分离。此新功能一推出,即受到社区热情追捧,用户纷纷开始在自己的业务中评估和测试存算分离效果。从芒果TV、聚水潭、网易邮箱、浪潮、天道金科等数十家用户的测试反馈来看,存算分离在查询性能,弹性扩缩容,降低存储成本等方面均有不错的表现!目前多个用户也开始在实际业务中陆续上线使用!

大数据自动管理,24 小时服务无间断,StarRocks 如何做到?

本文将讲述 StarRocks 管理海量数据、提供高可用服务等方面的工作和思考。

当高并发来袭:StarRocks Query Cache 一招搞定!

您是否曾经遇到这样的情况?每天早上或业务活动高峰期,大量用户涌入报表平台或数据应用,希望查看特定业务领域的最新指标或趋势。这些用户可能会基于庞大的数据集进行大量类似的聚合查询,造成集群的 CPU 负载持续攀升,从而导致查询性能不断下滑。针对这种高并发且呈现一定规律的查询,是否存在一种方法可以让集群在处理时智能地“精简计算量”呢?