作者：周桂民，大数据架构师和负责人，主要负责大数据平台基础建设工作
酷开科技，全称深圳市酷开网络科技股份有限公司，成立于 2006 年，自主研发了智能电视操作系统——酷开系统。酷开科技先后接受来自爱奇艺、腾讯、百度的投资入股，市场估值近百亿元，主要业务有客厅运营业务、数字化营销业务、融媒体业务、共享屏业务等。截止 2022 年 3 月，中国共计有 3 亿台客厅智能终端，激活量 1.9 亿，日活用户突破 1.2 亿人，日均开机率达 40 %。其中，酷开科技拥有 5900 万终端数、3076 万月活以及 457 分钟平均开机时长。
酷开大数据部门负责公司大数据体系框架建设，主要工作是支撑日常的 BI 分析、数据看板、人群画像等场景。客厅经济背景下的公司业务增长带来了数据量的激增，不同的数据需求衍生出多种数据服务，不同的数据服务选择不同的数据库和数仓技术，比如 MySQL、ElasticSearch、Apache HBase、ClickHouse 等。为了最大化降低运维成本、提供高性能的数据服务，做到真正的极速统一，从 2021 年下半年开始，酷开大数据部门正式引入 StarRocks。
无论是多表关联查询还是单表查询，StarRocks 在稳定性和查询速度上都有超预期的表现。50 亿数据量的明细表中查询去重操作，查询效率基本能控制在毫秒级别，目前支持在线数百人同时使用，人群画像标签计算由原来的 2-3 小时缩短到秒级返回计算结果，大大提高了业务运营的效率和体验。
#01
业务背景
—
万户画像平台是智能运营平台，帮助业务对目标客户进行人群圈定、标签管理、智能投递等人群洞察功能。主要是对 OTT 终端用户属性、行为偏好、兴趣爱好等信息进行标签化处理和计算，识别出不同的用户类别，根据不用的类别进行人群圈定，对目标用户进行精细化运营，挖掘更有价值的用户群体。
平台主要提供三大方面功能：
3. 用户画像：业务运营人员在自定义的用户群进行画像分析
—
SDK 埋点数据通过 Lua 脚本服务采集后，发送到 Apache Kafka，通过 Apache Spark（以下简称 Spark）任务把数据落到 HDFS。或者通过 Apache Flink （以下简称 Flink）落地到 HDFS，再用 Spark 或者 Apache Hive （以下简称 Hive）进行数据加工处理，数据汇总后把数据放到 MySQL 或 ElasticSearch 中对外提供服务。
酷魔方数据平台里的业务明细数据，通过 Hive 或者 Spark 离线处理，或通过 Flink 实时处理，数据汇总聚合后放在 MySQL 里对外提供数据服务。
该方案在进行多维度分析时候，特别是业务数据高达数十亿的时候，单库 MySQL 是不能满足查询性能要求的，只能通过分库分表的方式来做数据拆分，这样就增加了平台的运维成本。随着业务发展，业务流量越来越大，对仅能支持单表千万级别数据的 MySQL 来说，即使采用分库分表方案，查询性能也难以支撑，还有数据压缩占比少，运维成本高等劣势。
万户画像平台主要用来满足用户标签查询需求，但对于复杂数据结构类型，ElasticSearch 就不能满足。有时还需要对用户标签进行分析处理，需要通过 Spark 提交计算任务，通常需要跑 20-30 分钟。对于业务分析人员来说，数据交互体验是非常不友好的，增加的是数据处理复杂度和数据存储成本，同时在计算时会占用非常多的队列资源。
—
为了解决上面的业务痛点，我们从 2021 年下半年开始调研 StarRocks和ClickHouse，并做了两者的对比测试，使用了 10 台服务器（32C+256G+SSD），80 亿数据量，得到以下测试结果：
| 测试SQL | 并发度 |
StarRocks （95%rt） |
ClickHouse (95%rt) |
| 单表明细过滤 | 10 |
3190 | 10283 |
| 单表全量分组聚合 | 30 |
6027 | 24518 |
| 单表分组过滤聚合 | 30 |
405 |
4305 |
在万户画像平台，运营在做人群圈选和人群分析的运算时，之前是通过传递动态参数组成 SQL，使用 Spark SQL 去计算生成数据，再通过数据接口提供给业务方使用。整个计算过程的几十亿数据大概需要用时 30 分钟左右。引入 StarRocks 后基本上能够秒级返回计算结果，特别是通过 Bitmap 高效去重带来了较大的性能提升。
在酷魔方数据平台统一接口服务中，使用 StarRocks 做数据存储和计算，在降低了原来的 MySQL 分库分表方案运维成本的同时，还提升了计算性能。之前采用基于 MySQL 分库分表的方案，需要安排一位长期的专职运维，采用 StarRocks 后，只需在初期测试和性能调优时安排运维人员即可。在进行千万级别数据的查询时，使用 MySQL 分库分表的查询，性能就会明显变得吃力，到亿级别的数据查询时更是需要分钟级别响应。而在相同数据体量、使用相同 SQL 的情况下，StarRocks 基本都能做到毫秒级或秒级响应。
总的来说，StarRocks 不仅支撑了 BI 分析系统、统一数据接口服务和画像平台业务等业务分析要求，也简化了数据处理链路过程，帮助酷开科技实现了统一极速的分析引擎。
—
在使用 StarRocks 期间主要有以下几点惊喜表现：
4. 丰富的数据存储模型可以直接在业务场景中使用
后续希望 StarRocks 能在酷开科技更多的业务场景中使用，增加更多特性，比如复杂的数据结构类型目前支持的 Array ，目前业务数据格式很多时候是 JSON、Map、Struct 类型等。酷开大数据团队也在尝试数据湖分析场景使用，希望能推进 StarRocks 在数据湖分析的应用。
关于 StarRocks
StarRocks 创立两年多来，一直专注打造世界顶级的新一代极速全场景 MPP 数据库，帮助企业建立“极速统一”的数据分析新范式，助力企业全面数字化经营。
当前已经帮助腾讯、携程、顺丰、Airbnb 、滴滴、京东、众安保险等超过 110 家大型用户构建了全新的数据分析能力，生产环境中稳定运行的 StarRocks 服务器数目达数千台。
本文转载自 周桂民 StarRocks，原文链接：https://mp.weixin.qq.com/s/b2Yvf_PjnLDm1EBSxR0-hw。
