26 道StarRocks面试题。
StarRocks 是一个兼容 MySQL 协议的 MPP 分析型数据库,它快不是靠某一个"黑科技",而是一套组合拳:MPP 多机并行 + 全面向量化 + CBO 选最优计划 + Pipeline 吃满 CPU + 主键表实时更新不拖慢读 …
存算一体是 BE 既存又算、数据在本地盘多副本,换最低延迟;存算分离是 CN 只算不存、数据在对象存储、本地只留缓存,换弹性和低成本——缓存命中时两者性能相当,差别出现在"缓存没命中"和"要扩缩容"这两个时刻。…
FE 管连接、元数据、规划与调度,BE 在存算一体中存储并执行,CN 在存算分离中执行并缓存;FE 由含 Leader 在内的 Follower 构成投票集合,Observer 不投票,选主和元数据写入依赖多数派。…
Duplicate 保留每条明细,Aggregate 按 Key 合并度量,Unique 按导入版本保留同 Key 最新值并在读时合并版本,Primary 用主键索引与删除向量在写入发布阶段确定有效行;新建频繁更新的分析表通常优先评估 Pr…
Partition 是表内的数据管理与裁剪边界,Bucket 把分区继续按哈希或随机规则分布,每个桶中的数据形成 Tablet;分区优先匹配生命周期与常用过滤,分桶兼顾均衡、定位和并行,Tablet 副本是另一维度。…
排序键决定物理有序性,前缀索引利用排序前缀缩小候选行范围,ZoneMap 用最小最大值与空值信息排除不可能命中的 Segment 或 Page,Bloom Filter 用集合存在性排除等值与 IN 查询的无关数据,最终仍需扫描验证真实行。…
主键表通过 Delete+Insert 更新:主键索引定位旧行物理位置,DelVector 记录旧行失效,新值写入新 Segment,并随版本发布形成一致可见状态;读取按版本过滤失效行,不需要同 Key 多版本 merge,Compacti…
部分列更新决定同主键记录哪些列被修改,未提供的非主键列对已有行保留原值;条件更新通过 mergecondition 指定非主键比较列,仅在新值大于等于旧值时接受更新。两者可以组合,但必须明确新增行默认值、相等版本、多源版本和删除的独立规则。…
按数据位置、加工需求、任务生命周期和恢复责任选择:客户端推送小批数据用 Stream Load,远端文件批量调度可用 Broker Load,查询结果落表和文件 SQL 加工优先评估 INSERT SELECT。…
Routine Load 由 FE 调度、BE 或 CN 消费,把一个任务批次的写入与对应分区进度关联到 StarRocks 事务中恢复;保证的是这段摄取边界,不能扩大成多来源、多表业务的全局 Exactly-Once。…
使用支持事务接口的 StarRocks Flink Connector V2,显式开启 sink.semantic=exactly-once,把事务预提交挂到 Checkpoint,把最终提交挂到成功检查点通知,并在恢复时结合状态和原事务结…
先确认所谓“成功”是哪一层:HTTP 200只表示请求响应,COMMITTED 不等于 VISIBLE;普通 Stream Load 的 Publish Timeout 表示已提交但发布等待超时,应追踪原事务,不能换 label 盲目重灌。…
Compaction 把 Tablet 内多个版本的 Rowset 按表模型合并成更适合读取的文件组织,减少文件与迭代器开销;小批次高频写入让碎片产生速度超过合并能力,查询既要处理更多碎片,又要和后台合并争夺资源。…
以稳定主键构建最新状态表,用带位点水位的增量快照衔接 binlog,把插入更新映射成 upsert、删除映射成目标删除,按键保证顺序并受控处理 DDL;再根据实际 Source 与 Sink 版本声明一致性,不能拿主键覆盖冒充端到端 Exa…
FE 将 SQL 优化为物理计划并划分 Fragment,调度为计算节点上的 Fragment Instance;实例内的执行算子再组织为有依赖关系的 Pipeline,由 Driver 驱动算子实例处理列式 Chunk,向量化解决批量计算…
CBO 在等价计划的搜索空间内,结合统计信息估算中间结果行数和 CPU、内存、网络、I/O 等成本,选择估算成本更低的物理计划;统计信息失真会让行数、Join 顺序与分布策略连续误判,最终产生远高于预期的运行开销。…
四者是 Join 的数据分布策略:Broadcast 复制构建侧,Shuffle 按连接键重分布两侧,Bucket Shuffle 复用一侧合法桶布局并重分布另一侧,Colocate 利用预先对齐且稳定的同置布局完成本地匹配;它们可以共同采…
Runtime Filter 根据 Join 构建侧实际产生的键生成过滤信息,并在语义安全的位置尽早过滤探测侧不可能匹配的记录;它与编译阶段即可确定的普通谓词互补,允许假阳性但不能产生假阴性,最终结果仍由完整 Join 条件精确确认。…
同步物化视图是随基表写入同步维护的单表索引形态,适合受支持的实时单表加速;异步物化视图是独立保存预计算结果的物理对象,支持更丰富的多表和聚合建模,通过刷新维护数据,在语义、覆盖和新鲜度满足条件时参与透明改写。…
异步物化视图命中需要对象可用、相关数据已正确物化、语义可推导、覆盖与新鲜度满足要求,并最终被计划选中;排查按“确认实际扫描→对象与任务→语义匹配→分区及版本→候选成本”推进,不能把刷新成功或直接查询成功当成透明改写成功。…
小规模明细或需要一次性精确计算时用 COUNT(DISTINCT userid);用户 ID 能稳定映射为整数、需要精确合并和多次复用时用 Bitmap;只关心大规模趋势、可以接受近似误差且追求低存储和低延迟时用 HLL。选型先问“是否必须…
先拆排队、规划和执行,再用 EXPLAIN 检查计划,用 Query Profile 找实际瓶颈,最后在同口径下验证改动:重点看扫描裁剪、估算与实际行数偏差、Join 分发与构建侧、Exchange、实例倾斜、内存与 Spill,以及等待是…
先用 Profile 区分倾斜、构建侧过大和并发内存压力,再减少数据、修正 Join 计划与键分布;Spill 只为支持的算子以磁盘 I/O 换取更低内存,不能修复关联语义、消除热点或保证所有 OOM 都成功。…
资源组决定谁使用哪些资源,查询队列决定何时允许新查询运行,并行度决定一个查询内部怎样使用计算能力;先按业务隔离,再按容量准入,最后在并发压测中调整单查询并行度,同时观察吞吐、排队和尾延迟。…
External Catalog 让 StarRocks 连接 Hive/Iceberg 的元数据与存储,直接规划并读取外部文件;元数据刷新解决发现分区、文件或新快照的问题,Data Cache 缓存实际读取的远端文件块以降低重复 I/O,…
存算一体扩缩 BE,要管理 Tablet 副本迁移与容量余量;存算分离扩缩 CN,主要管理计算容量、缓存冷启动和在途查询。副本保障运行期可用性,对象存储提供持久化介质,备份提供独立历史恢复点,三者不能互相替代;3.5 存算分离不支持数据 B…