最近在工作中，遇到有小伙伴使用StarRocks，所以看了下文档，感觉以下几点比较有趣。
支持MySQL协议
想必是为了通用性，StarRocks 提供MySQL协议接口，支持标准SQL语法。即可通过MySQL客户端连接StarRocks，并执行SQL。
版本升级
StarRocks目前有两个版本，旧版本在数据存储方面有劣势，存在冗余数据。
优化后的版本将数据部分抽离了出来。支持使用hdfs进行存储。
可用性概念
为了保证可用性及响应性能，多节点使用时仍用到了主从的概念。
如下表格来自官方文档，其中选举的部分还是值得了解一下的。
| FE 角色 | 元数据读写 | Leader 选举 |
| Leader | Leader FE 提供元数据读写服务，Follower 和 Observer 只有读取权限，无写入权限。Follower 和 Observer 将元数据写入请求路由到 Leader，Leader 更新完元数据后，会通过 BDB JE (Berkeley DB Java Edition) 同步给 Follower 和 Observer。必须有半数以上的 Follower 节点同步成功才算作元数据写入成功。 | Leader 从 Follower 中自动选出。如果当前 Leader 节点失败，Follower 会发起新一轮选举。 |
| Follower | 只有元数据读取权限，无写入权限。通过回放 Leader 的元数据日志来异步同步数据。 | Follower 参与 Leader 选举，会通过类 Paxos 的 BDBJE 协议自动选举出一个 Leader，必须有半数以上的 Follower 节点存活才能进行选主。 |
| Observer | 同 Follower。 | Observer 主要用于扩展集群的查询并发能力，可选部署。Observer 不参与选主，不会增加集群的选主压力。 |
高性能原理
下面一段话摘自官方原文：
“在执行 SQL 计算时，一条 SQL 语句首先会按照语义规划成逻辑执行单元，然后再按照数据的分布情况拆分成具体的物理执行单元。物理执行单元会在对应的 BE 节点上执行，这样可以实现本地计算，避免数据的传输与拷贝，从而得到极速的查询性能。”
SQL的拆分执行是一种非常有趣的思路，实质是以空间换时间的手法。
![[ACM算法学习] 诱导排序与 SA-IS算法](https://img-blog.csdnimg.cn/direct/70d9717ac68a4098a66499d9ffd079ea.png)
