知识点 › 系统架构
StarRocks 千亿级检索
StarRocks OLAP
定义
用 StarRocks（MPP + 向量化 + 物化视图 + bitmap/前缀索引）承载千亿行级元数据检索：按车/时间/区域/标签/场景组合查询，支撑秒级圈选与聚合统计。
关键要点
- 为什么不用 ES 全扛：ES 强在全文与日志，大规模聚合与多表 join 弱，写入放大严重
- 资源估算用「并发 × 单查询扫描量」反推：100 QPS 中等查询可能要数百核；实际业务常 10 QPS 量级，300 核左右
- 关键设计：按天/车分区、高基数键分桶、前缀索引、物化视图预聚合、冷热分离
- 千亿行的难点在写入与 Compaction，不在查询
面试怎么答
讲「为什么选它 + 分区分桶 + 资源怎么估」，并给出 QPS 与核数的对应。
相关知识
- 检索与索引 — 三类检索：①结构化（SQL/标签/时间/地理）；②向量（图像/点云/轨迹特征相似度）；③混合（先标签过滤再向量排序）。…
- 存储选型与分工 — MySQL（元数据/业务）、OSS（原始文件/大对象）、HBase（海量稀疏 KV，如轨迹点、信号）、ES（全文/日志…
- 智驾数仓分层 — ODS 存解析后的原始片段/事件；DWD 是帧级/片段级明细（传感器、标签、模型输出）；DWS 按场景/车/天/区域汇…
- 系统全景（车云两段） — 车端：传感器（视频/CAN/Lidar）→ 编码解码管理系统（信号采集）→ 编码解码系统（trigger 触发录制）→…