✨ StarRocks 5 月社区动态

Kate_Shao · 2022年06月6日 09:20

Hi 社区的朋友们，

随着 StarRocks 的蓬勃发展，社区每个月都有许多令人兴奋的事在发生。为了让社区的小伙伴们能一站式获取 StarRocks 的最新资讯，我们推出了 StarRocks 社区动态月刊，内容包含产品动态、社区活动、技术干货回顾、社区人物介绍等，让你不错过每一件重要的事！

下面就让我们一起来回顾这精彩的 5 月吧！

产品动态

1. 最新版本 StarRocks 2.2.0

Release note: StarRocks-2.2 Release Notes（最新版本：2.2.8，发布日期：2022年10月17日）

新版本功能 Highlight

资源隔离

资源隔离一直是用户呼声最高的需求之一，在 2.2 版本中我们发布了 Resource group（资源组）的功能。通过资源组，我们可以给大查询和小查询设置不同的资源组，给不同资源组配置不同的 CPU 和内存资源，从而大大降低不同负载在同一个集群执行时的相互干扰。在我们的测试集中，对小查询的响应延迟有 2-4 倍的提升，明显优于没有使用资源组的版本，部分场景接近物理隔离的效果。

另一方面，通过 Pipeline 引擎我们也在资源组中实现了弹性调度的能力。在集群空闲的时候，查询会充分利用资源，当集群负载变大时，资源组会按照比例伸缩至原有的资源，这样可以获得比物理隔离更好的资源利用率。

Java UDF 框架

虽然 StarRocks 已经提供了很多类型的函数，但是用户仍然需要用到各种处理特殊的逻辑，特别是在做 ETL 时。StarRocks 2.2 中提供了 Java UDF 框架，包括 Scalar Funciton、Aggragate Function、Window Function、Table Function 都可使用用户自定义的函数来实现，这样用户可以在 StarRocks 上更好地进行自定义的功能扩展，包括可以迁移一些来自 Hadoop 生态的 UDF 处理逻辑。

JSON 数据类型

StarRocks 2.2 版本中预发布了JSON 一期功能：提供 JSON 类型，用二进制方式代替之前 JSON 格式的字符串，使得性能提升至原来的 2 倍；同时也提供了更多 JSON 函数，包括 JSON_EACH 这种 Table function。

数据湖分析优化

在 2.2 中我们优化了 Apache Hive 外表中基于对象存储（Amazon S3、阿里云 OSS）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。另外，通过支持 ORC 格式文件的延迟物化，降低了一些过滤度高的查询 IO，还针对一些真实用户场景中小文件过多的问题进行了查询优化。

主键模型支持部分列更新

Primary Key 模型支持了部分列更新功能，已经可以通过 Stream load / Broker load / Routine load 对宽表的部分列进行实时更新。在订单实时更新、多流实时 JOIN 等场景下，使用部分列更新的功能可以降低实时更新任务的处理复杂性，不需要用户维护额外的窗口，也不需要去额外的读取不需要更新的数据。