03-StarRocks查询优化FAQ

目前StarRocks在不支持自增ID的情况下，对于明细模型的分页查询场景，由于要保证每一次分页查询出来的数据的唯一性，需要我们人为去指定order by的列，无法利用到StarRocks自身的排序键等特性，造成分页查询场景下，性能并不是很好。有没有一种替代方案能够在外部实现一种自增id，保证每个批次提交的数据都比之前批次的数据的ID大，同时，该ID具有唯一性。并且是一个友好的数据类型（数值型），用来做明细模型的第一列，利用StarRocks的排序键来为分页场景加速。

查询优化，始于建表；建表设计，是性能的起点。模型选对：让写入、更新和分析各得其所主键合理：保证实时与一致性分区精简：让扫描范围“少读一半”分桶均衡：让资源利用“多跑一倍”排序得当：让查询路径“短走几步”最终做到——数据入得快，查得准，跑得稳。实战篇 - 查询优化的核心思路场景复现：复杂筛选与分页的商品列表页面查询原始慢SQL：展示一个包含多级品类ID IN查询、多属性过滤和深度分页的复杂语句。痛点分析IN列表过长、OFFSET性能差、SELECT *网络传输量大。

第7.1章：StarRocks性能调优——查询分析

StarRocks慢查询SQL，分桶副本监控

v3.1 起，StarRocks 支持 List 分区，数据按照您显式定义的枚举值列表进行分区，适用于按枚举值来查询和管理数据。

v3.0 起，StarRocks 支持表达式分区（原称自动创建分区），更加灵活易用，适用于大多数场景，比如按照连续日期范围或者枚举值来查询和管理数据。仅需要在建表时设置分区表达式（时间函数表达式或列表达式）。在数据导入时，StarRocks 会根据数据和分区表达式的定义规则自动创建分区，无需在建表时预先手动/批量创建大量分区，或者配置动态分区属性。

本文档涵盖了StarRocks故障诊断过程中的常见问题和解决方案。在实际故障处理过程中，建议建立完善的故障处理流程，积累故障处理经验，持续改进故障处理能力。如果遇到其他问题，可以参考官方文档或向社区寻求帮助。

本文档涵盖了StarRocks数据导入导出过程中的常见问题和解决方案。在实际使用过程中，建议根据具体的数据量和业务需求选择合适的导入导出方式，并进行相应的性能优化。如果遇到其他问题，可以参考官方文档或向社区寻求帮助。

本文为Flink-StarRocks详解后续章节：主要详解StarRocks分区分桶管理，数据压缩，由于篇幅过长，后续接着下面进行详解： StarRocks查询数据湖 实现即席查询案例。

CBO 优化、谓词下推减少计算量和数据传输。

在大数据业务中，虽然每天都有大量的数据入库，但通常只有时间最新的，如一个月内，甚至一周内的数据才会被频繁更新和访问。动态分区表调度创建的分区会使用集群默认配置的存储介质和到期时间，若需要为动态分区表自动配置冷热分区，可以将集群默认的存储介质调整为。，但这个属性仅会用于表创建时的三个分区，后面新建的分区若不指定，还是会使用默认的存储介质。支持为不同分区的数据设置不同的存储介质，目前支持的介质为机械硬盘（盘中，以节省数据存储的成本，此时这个分区就变成了数据存储在。在某些数据具有冷热特性的业务中，我们可以将。

55)][外链图片转存中…(img-rLPEfKLW-1712888436156)][外链图片转存中…(img-VwT8aBg0-1712888436156)]

CPU解析SQL生成执行计划，需要依赖统计信息，如统计信息正在收集中，那么此时CPU会等待统计信息收集完成或采用动态采样。可以看到，慢查询里面，CPU用于解析SQL生成执行计划的时间非常长，远高于实际执行的时间。从下图我们可以看到列的统计信息是此次新增的，要收集所有存量表的列的统计信息，耗时较久。从普罗米修斯上看到，集群CPU资源使用率不高，也就不存在资源的瓶颈。后面想到了，新版本的统计信息会有新增，那我们来看看统计信息。升级完成后，所有的查询均比较慢，前端报表页面点开也卡。

你是否还在为StarRocks查询延迟过长而烦恼？报表生成耗时超过10分钟？业务高峰期查询频繁超时？本文将系统讲解StarRocks查询优化的核心方法，通过数据建模、SQL改写、参数调优和物化视图四大手段，帮你将平均查询时间从秒级降至毫秒级。读完本文你将掌握： - 3种索引设计技巧降低90%扫描成本 - 5个SQL优化案例模板直接套用 - 8个关键配置参数调优指南 - 物化视图自动刷新最佳实践 ...

理解StarRocks是如何进行数据读取与计算，从而进一步更好地基于StarRocks进行业务SQL的编写与优化。

StarRocks数据写入后立即查询不可见的原因分析？

StarRocks 分区分桶探索与实践