大家好
，欢迎来到《StarRocks 2025 1-2 月社区动态》！
StarRocks 社区月刊回来啦！
这次直接双倍更新，把 1 月和 2 月的精彩动态一次打包送上！
过去两个月，社区热闹非凡——2024 年度贡献者和年度报告新鲜出炉，StarRocks 3.4 版本正式发布，2025 年路线图也已官宣，未来发展方向一目了然！
另外，我们还开启了 StarRocks 全球用户精选案例 系列，带你看看全球各行各业如何用 StarRocks 玩转数据分析，后续还有更多干货放送，敬请期待！
技术动态
版本发布
在考虑升级 StarRocks 的小伙伴，这里有你们的升级手册
文档动态
-
【表设计】：增加通用聚合函数状态文档。
-
【管理手册】
-
【部署】：使用 Operator 部署新增缩容 BE 集群示例。
-
【参考手册】
-
新增 Trino SQL 语句翻译接口文档。
-
优化 STRUCT 增删字段文档。
-
优化 Python UDF 文档。
-
优化部分 SQL 及函数参考文档的示例。
-
StarRocks 文章回顾
StarRocks x Demandbase ，助力北美 ABM 营销平台降本 90%！
Demandbase 于 2007 年创立于美国加州旧金山，专注于 AI 驱动的 ABM 平台，助力 B2B 营销人员实现业务突破。通过将 ClickHouse 替换为 StarRocks，Demandbase 解决了性能与灵活性问题。新架构基于 Apache Iceberg 和 StarRocks，显著提升了数据处理效率，硬件资源减少 60%，存储成本降低 90%，ETL 管道简化，运营负担大幅减轻。
用户案例：
本文主要介绍了爱奇艺 OLAP 引擎演化及引入 StarRocks 后的效果。
在广告业务中，StarRocks 替换 Impala+Kudu 后，接口性能提升 400%，P90 查询延迟缩短 4.6 倍。
在“魔镜”数据分析平台中，StarRocks 替代 Spark 达 67%，P50 查询提升 33 倍，P90 提升 15 倍，节省 4.6 个人天。
本文整理自小红书工程师在 StarRocks 年度峰会上的分享，介绍了小红书自助分析平台中，StarRocks 与 Iceberg 结合后，如何实现极速湖仓分析架构。
与原有架构相比，湖上分析架构的 P90 查询性能提升了 3 倍，目前查询 响应时间 稳定在 10 秒以内。 同时，采用 Iceberg 存储格式后，尽管数据量和行数保持不变，但实际存储空间相较原有 ClickHouse 存算分离版本减少了一半。
向量检索功能已应用到腾讯内部多个场景，引入 StarRocks 后，业务不仅不需要维护多套数据库还在性能上有了显著的提升：
性能提升 ：查询延迟从原本的 15 秒 （TOP 10,000 数据）缩短到 2 秒 ，效率提升超过 7 倍 。
成本优化 ：在实际验证中，系统运行成本降至原来的 1/3 。
从 Spark 到 StarRocks：实现58同城湖仓一体架构的高效转型
本文介绍了 58同城在其数据探查平台中引入 StarRocks 的实践，旨在提升实时查询性能。在面对传统 Spark 和 Hive 架构的性能瓶颈时，58 同城选择 StarRocks 作为加速引擎，增强数据湖的分析能力。在迁移过程中，团队克服了多个兼容性问题，并对系统进行了稳定性和易用性的改进，特别是在Java UDF 支持和 SQL 黑名单功能方面。项目实施一年多以来，58 同城取得了显著的成果：
日均迁移 SQL 数量约 6.5 万条 ，查询成功率稳定在 98% 以上 。
查询性能较迁移前提升 20 倍以上 ，平均查询时间缩短至 3.3 秒 ，P90 查询时间为 5 秒 。
40% 降本：多点 DMALL x StarRocks 的湖仓升级实战
多点 DMALL 成立于2015年，持续深耕零售业，为企业提供一站式全渠道数字零售解决方案 DMALL OS。作为 DMALL OS 数字化能力的技术底座，大数据平台历经多次迭代平稳支撑了公司 To B 业务的快速开展。随着国家产业升级和云原生技术的成熟，平台架构也从存算一体逐步转向存算分离。本文将以 StarRocks 的升级演进为例，分享这一过程中的探索与实践。
通过引入 StarRocks 的存算分离架构、Lakehouse （ Apache Iceberg 外表查询）与 StarRocks on Kubernetes 等特性，多点 DMALL 大数据平台取得了显著成效：
计算资源使用率提高 20%，存储成本降低 40%。
数据建模工作减少，开发效率提升 20%。
新集群部署时间缩短至 1 小时内。
产品发布
StarRocks 3.4 发布–AI 场景新支点，Lakehouse 能力再升级
在之前的版本中，StarRocks 已对 Lakehouse 的性能与易用性进行了一年多的打磨； 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，帮助用户更高效地实现业务目标。
Lakehouse 的优化也在此次版本中得到了进一步的提升：从数据文件管理、数据读取、统计辅助、查询优化到数据缓存等多个环节进行了深度优化，显著提升了系统性能。同时，湖生态对接能力也得到了持续完善，建表、数据导入和系统稳定性等方面的改进进一步增强了 StarRocks 的易用性和可靠性。
年度贡献人物/年度报告
湖仓进化，极速统一｜StarRocks 2024 社区年度报告
来自社区小伙伴的文章/视频
感谢以下小伙伴们的分享如希望自己的博客被收录在社区月刊里，欢迎私信、评论或是联系 SR 小助手～
技术文章：
【后台技术】StarRocks执行原理与SQL性能优化策略探索 （作者：Deltaverse增量空间）
ElasticSearch、ClickHouse、StarRocks介绍与选型（作者：春哥茶话会 ）
StarRocks高效聚合源码解析（作者：程序员学习随笔 ）
开源大数据 OLAP 的思考及最佳实践 （作者：浪尖聊大数据）
Paimon集成Fluss将数据新鲜度从分钟级提升至毫秒级，并用StarRocks进行数据实时查询展示 （作者：甜或师兄 大数据技能圈）
StarRocks数仓选型全面解析（作者：未来的追光者）
StarRocks强大的实时数据分析 (作者：boonya)
实践类文章：
StarRocks Compaction&内存异常问题深度剖析 （作者：数据圈）
StarRocks | 常见问题处理(一) （作者：DBKiller）
StarRocks | 常见问题处理(二)（作者：DBKiller
StarRocks 开发环境搭建踩坑指北之存算分离篇（作者：crossoverJie）
StarRocks实际数据中字符串的基数分布，如何统计？（作者：阿龙大数据）
Starrocks中Flat Json功能如何使用？（作者：阿龙大数据）
用户分享 | Flink+Paimon+StarRocks+Dinky 流式湖仓分层实践验证（作者：俊瑶先森 Dinky开源）
新闻类文章：
StarRocks 全球用户猛增，传统数据库厂商该担心了！ （作者：玉儿村庄新闻）
社区活动
活动回顾
StarRocks 2025 Roadmap 全面解读
2 月 19 日 19:00-20:30，StarRocks TSC Member 赵恒、康凯森在线全面解读 StarRocks 2025 Roadmap，我们也邀请到StarRocks 社区 Champion/阿里云计算平台开源 OLAP 负责人范振、腾讯游戏数据分析引擎研发工程师黄奕文、StarRocks Active Contributor 严祥光分享最新项目进展，包括智能优化、Paimon 生态等方向。
回放 & PPT 下载：[PPT/直播回放已更新]StarRocks 2025 Roadmap 全面解读
StarRocks 3.4：打造 AI 时代的智能数据基座，应用场景全面扩展
更强的 AI 场景支持 ：
引入 Vector Index， 大幅提升向量检索性能
支持 Arrow Flight ，实现更快速、流畅的大数据传输
Python UDF ，让开发者在 AI 推理和数据处理上更加得心应手
性能优化，全面进化：
数据湖分析能力： 优化性能，提升易用性，进一步完善对 Iceberg 和 Delta Lake 的支持
建表与导入优化： 统一分区设计，高并发实时导入与批量导入更易用
稳定性与安全性 ：支持优雅退出、checkpoint，备份与恢复功能更全面
参与社区｜Be A Rockstar！
StarRocks GitHub Monthly Contributors
感谢这些小伙伴为 StarRocks 添砖加瓦，StarRocks 因你而伟大！
@wanpengfei-git @wyb @kevincai@trueeyu @LiShuMing @Seaven @stdpain @gengjun-git @srlch @EsoragotoSpirit @Youngwb @dirtysalt @sevev @DanRoscigno @banmoy @satanson @andyziye @xiangguangyxg @packy92 @luohaha @stephen-shelby @meegoo @luohaha @HangyuanLiu @ZiheLiu @decester @silverbullet233 @nshangyiming @duanyyyyyyy @CLAassistant @wxl24life @zombee0
@jaogoy @SHaaD94 @DorianZheng @starrocks-xupeng @wangsimo0 @rohitrs1983 @miomiocat
@before-Sunrise @maggie-zhu @wangruin @zhaohehuhu @kaijianding @crossoverJie @chenminghua8
@chaoyli @maver1ck @zenoyang @KKould
新晋 Contributor 
@ahmadov @click9000 @Aurafin @Xikl @kritchie @amoghmargoor @dupen01 @dq1201 @Wenjun7J
因为之前用的平台不能用了，换了一种导数方式，可能会有贡献人数显示不全的情况。
如果你在有过PR 合并但没有显示在上面的，不好意思把你漏掉了～麻烦留个言让我们知道。还有，记得来领个周边小礼物：@贡献者们，速来解锁 Contributor 限定 T 恤
感谢你的阅读，有任何的问题欢迎在论坛下方与我们交流！
也欢迎你关注这些我们常出没的地方
