新功能
- 【公测中】发布资源组管理功能。通过使用资源组来控制 CPU、内存的资源使用，让不同租户的大小查询在同一集群执行时，既能实现资源隔离，又能合理使用资源。相关文档，请参见资源组。
- 【公测中】实现 Java UDF 框架，支持使用 Java 语法编写 UDF（用户自定义函数），扩展 StarRocks 的函数功能。相关文档，请参见 Java UDF。
- 【公测中】导入数据至主键模型时，支持更新部分列。在订单更新、多流 JOIN 等实时数据更新场景下，仅需要更新与业务相关的列。相关文档，请参见 主键模型的表支持部分更新。
- 【公测中】支持 JSON 数据类型和函数。相关文档，请参见 JSON。
- 支持通过外表查询 Apache Hudi 的数据，进一步完善了数据湖分析的功能。相关文档，请参见 Apache Hudi 外表。
- 新增如下函数:
- ARRAY 函数，array_agg、array_sort、array_distinct、array_join、reverse、array_slice、array_concat、array_difference、arrays_overlap、array_intersect。
- BITMAP 函数，包括 bitmap_max、bitmap_min。
- 其他函数：retention、square。
功能优化
- 重构CBO优化器的 Parser 和 Analyzer，优化代码结构并支持 Insert with CTE 等语法。提升复杂查询的性能，包括公用表表达式（Common Table Expression，CTE）复用等。
- 优化查询Apache Hive外表中基于对象存储（Amazon S3、阿里云OSS、腾讯云COS）的外部表的性能，优化后基于对象存储的查询性能可以与基于HDFS的查询性能基本持平。支持ORC格式文件的延迟物化，提升小文件查询性能。相关文档，请参见 Apache Hive 外表。
- 通过外表查询 Apache Hive 的数据时，缓存更新通过定期消费 Hive Metastore 的事件（包括数据变更、分区变更等），实现自动增量更新元数据。并且，还支持查询 Apache Hive 中 DECIMAL 和 ARRAY 类型的数据。相关文档，请参见 Apache Hive 外表。
- 优化 UNION ALL 算子性能，性能提升可达2-25倍。
- 正式发布 Pipeline 引擎，支持自适应调节查询的并行度，并且优化了 Pipeline 引擎的 Profile。提升了高并发场景下小查询的性能。
- 导入 CSV 文件时，支持使用多个字符作为行分隔符。
修复 Bug
- 修复主键模型的表导入数据和 COMMIT 时产生死锁的问题。#4998
- 解决 FE（包含 BDBJE）的一系列稳定性问题。#4428、#4666、#2
- 修复 SUM 函数对大量数据求和时返回结果溢出的问题。#3944
- 修复 ROUND 和 TRUNCATE 函数返回结果的精度问题。#4256
- 修复 SQLancer 发现的一系列问题，请参见 SQLancer 相关 issues。
其他
- Flink 连接器 flink-connector-starrocks 支持 Flink 1.14 版本。
升级注意事项
- 版本号低于 2.0.4 或者 2.1.x 中低于 2.1.6 的用户，升级参考 StarRocks升级注意事项
- 升级后如果碰到问题需要回滚，请在fe.conf中增加 ignore_unknown_log_id=true， 因为新版本的元数据日志新增了类型，如果不加这个参数无法回滚。最好等做完 checkpoint 之后再设置 ignore_unknown_log_id=false，重启FE，恢复正常配置。