高性能分析数据库StarRocks的安装与使用详解
作者：awsedrfttyuu
引言
在大数据时代，选择一个高性能的分析数据库对业务的成功至关重要。StarRocks作为一款次世代MPP（Massively Parallel Processing）数据库，以其卓越的实时分析和多维分析能力而闻名。本篇文章将带您探讨StarRocks的安装与使用，并探讨其作为快速向量数据库的潜力。
什么是StarRocks
StarRocks是一种高度并行的分析数据库管理系统，专为多维分析、实时分析和临时查询而设计。它凭借其向量化执行引擎，在ClickBench基准测试中展现了卓越的性能，被广泛应用于各种分析场景。
特性与优势
子秒查询响应：利用向量化引擎，StarRocks可以提供极快的查询响应时间。
多维度分析：支持高效处理多维度的数据分析任务。
实时分析：具备强大的实时数据分析能力，适合动态数据场景。
灵活的查询能力：支持复杂的ad-hoc查询，适合多种业务需求。
下载
文中使用版本为3.2.4，可通过官网自行下载
文章中使用的是存算一体架构，starrocks也支持存算分离架构
安装与配置
要开始使用StarRocks，我们首先需要设置必要的软件环境。以下是安装步骤：
# 安装Python MySQL客户端 pip install pymysql
测试语句
CREATE DATABASE example_db;
USE example_db;
-- 新建用户并授权
create user 'testuser'@'%' IDENTIFIED by '123456';
GRANT all ON databasename.* TO 'testuser'@'%';
-- 仅包含一个 BE,所以需要加PROPERTIES( "replication_num" = "1" )
CREATE TABLE user_access (
uid int,
name varchar(64),
age int,
phone varchar(16),
last_access datetime,
credits double
)
PROPERTIES( "replication_num" = "1" );
CREATE TABLE orders1 (
order_id bigint NOT NULL,
dt date NOT NULL,
user_id INT NOT NULL,
good_id INT NOT NULL,
cnt int NOT NULL,
revenue int NOT NULL
)
PRIMARY KEY (order_id)
DISTRIBUTED BY HASH (order_id)
PROPERTIES( "replication_num" = "1" )
;
CREATE TABLE orders2 (
order_id bigint NOT NULL,
dt date NOT NULL,
merchant_id int NOT NULL,
user_id int NOT NULL,
good_id int NOT NULL,
good_name string NOT NULL,
price int NOT NULL,
cnt int NOT NULL,
revenue int NOT NULL,
state tinyint NOT NULL
)
PRIMARY KEY (order_id,dt,merchant_id)
PARTITION BY date_trunc('day', dt)
DISTRIBUTED BY HASH (merchant_id)
ORDER BY (dt,merchant_id)
PROPERTIES (
"enable_persistent_index" = "true",
"replication_num" = "1"
);
CREATE TABLE detail (
event_time DATETIME NOT NULL COMMENT "datetime of event",
event_type INT NOT NULL COMMENT "type of event",
user_id INT COMMENT "id of user",
device_code INT COMMENT "device code",
channel INT COMMENT "")
ORDER BY (event_time, event_type)
PROPERTIES( "replication_num" = "1" );
CREATE TABLE aggregate_tbl (
site_id LARGEINT NOT NULL COMMENT "id of site",
date DATE NOT NULL COMMENT "time of event",
city_code VARCHAR(20) COMMENT "city_code of user",
pv BIGINT SUM DEFAULT "0" COMMENT "total page views"
)
AGGREGATE KEY(site_id, date, city_code)
DISTRIBUTED BY HASH(site_id)
PROPERTIES( "replication_num" = "1" );
CREATE TABLE orders4 (
create_time DATE NOT NULL COMMENT "create time of an order",
order_id BIGINT NOT NULL COMMENT "id of an order",
order_state INT COMMENT "state of an order",
total_price BIGINT COMMENT "price of an order"
)
UNIQUE KEY(create_time, order_id)
DISTRIBUTED BY HASH(order_id);
PROPERTIES( "replication_num" = "1" );
DESCRIBE user_access;
SHOW CREATE TABLE user_access;
-- 从本地文件导入数据
CREATE TABLE `table1`
(
`id` int(11) NOT NULL COMMENT "用户 ID",
`name` varchar(65533) NULL COMMENT "用户姓名",
`score` int(11) NOT NULL COMMENT "用户得分"
)
ENGINE=OLAP
PRIMARY KEY(`id`)
DISTRIBUTED BY HASH(`id`)
PROPERTIES( "replication_num" = "1" );
-- 查看 FE 节点的 IP 地址和 HTTP 端口号。
SHOW FRONTENDS；
-- 导入作业
curl --location-trusted -u root: -H "label:123" -H "Expect:100-continue" -H "column_separator:," -H "columns: id, name, score" -T D:\\data\\test.csv -XPUT http://192.168.5.66:8030/api/example_db/table1/_stream_load
select * from table1;
接下来，我们将使用一个例子来说明如何在Python中使用StarRocks库。
代码示例
假设我们想要在StarRocks中储存和查询向量数据。以下是一个简单的使用示例：
from langchain_community.vectorstores import StarRocks
# 假设我们通过API代理服务连接到StarRocks数据库
starrocks_client = StarRocks(api_endpoint="{AI_URL}") # 使用API代理服务提高访问稳定性
# 插入样本向量数据
vector_data = [0.1, 0.2, 0.3, 0.4]
starrocks_client.insert_vector("your_vector_table", vector_data)
# 查询向量
query_result = starrocks_client.query_vector("your_vector_table", query_vector=[0.1, 0.2, 0.3])
print("Query Result:", query_result)
这段代码展示了如何连接到StarRocks数据库并执行基本的向量插入和查询操作。
常见问题和解决方案
连接超时：在某些地区，由于网络限制，API调用可能会超时。建议使用API代理服务来提高连接的稳定性和速度。
数据插入失败：检查数据库权限设置，并确保数据格式与表结构相匹配。
总结与进一步学习资源
StarRocks作为高性能分析数据库，在实时数据处理和复杂查询场景中展现出色表现。对于想要深入了解StarRocks的开发者，可以参考以下资源：
通过这些学习资源，您可以获得更多关于StarRocks配置、优化和使用场景的深入知识。
参考资料
以上就是高性能分析数据库StarRocks的安装与使用详解的详细内容，更多关于StarRocks数据库安装的资料请关注脚本之家其它相关文章！