调研时间2026年6月 | 版本基准StarRocks 3.x / Apache Kylin 5.x一、概述1.1 StarRocksStarRocks 是新一代极速全场景 MPPMassively Parallel Processing数据库原为 DorisDB2021 年正式更名。其核心定位是实时数仓 湖仓一体兼容 MySQL 协议采用全向量化执行引擎 CBO 优化器查询性能尤其多表关联显著领先同类产品。开源协议Apache 2.0开发语言CBE JavaFE最新版本3.x支持存算分离社区规模GitHub 8K Stars300 贡献者典型用户腾讯、携程、平安银行、京东物流、顺丰、理想汽车、去哪儿等1.2 Apache KylinApache Kylin 是开源分布式 MOLAP 分析引擎2013 年由 eBay 中国研发中心开发2015 年成为 Apache 顶级项目首个由中国团队主导的 Apache 顶级项目。核心思想是预计算 Cube 空间换时间通过将多维 Cube 预计算结果存储在 HBase/Parquet 中实现亚秒级查询。开源协议Apache 2.0开发语言Java最新版本5.x使用 Spark Parquet 替代 HBase社区规模Apache 顶级项目Kyligence 提供商业版典型用户美团、滴滴、携程、贝壳找房、腾讯、京东、百度等二、架构对比2.1 技术架构维度StarRocksApache KylinOLAP 类型ROLAP基于关系模型MOLAP基于多维 Cube核心架构MPP 分布式架构FE BE/CNHadoop 生态架构Query Server Job Server Metadata存储引擎自研列式存储引擎支持实时更新HBasev3.x/ Parquet on HDFSv4.x计算引擎全向量化执行引擎 PipelineSpark构建查询/ MapReduce早期查询加速CBO 优化器 物化视图 智能索引预计算 Cube Cuboid 剪枝 维度字典存算架构存算一体v2/ 存算分离v3存算分离天然计算依赖 Spark存储依赖 HDFS/HBase外部依赖无外部依赖自包含依赖 Hadoop 生态HDFS、Hive、Zookeeper、Spark元数据存储FE 内部存储基于 BDBJEHBase / RDBMS2.2 架构图对比StarRocks 架构Kylin 架构三、核心特性对比3.1 查询性能维度StarRocksApache Kylin查询延迟亚秒级多数场景 1s亚秒级命中 Cube 时 1s查询模式即席查询为主无需预定义需预定义模型和 Cube命中预计算结果时极快多表 JOIN极强CBO 向量化 Colocate Join较弱Cube 通常基于星型模型复杂 JOIN 需建模时考虑非预计算查询原生支持性能优异不支持未命中 Cube 的查询可能回退到 Spark延迟高聚合查询高效向量化 列式扫描极快直接读取预计算结果精确去重原生支持主键模型支持 Bitmap 精确去重近似去重支持 HLL / Bitmap支持 HyperLogLog关键差异Kylin 在命中 Cube 的场景下查询性能极快毫秒级但灵活性不足——未命中预计算结果的查询要么无法执行要么回退到 Spark 执行导致延迟剧增。StarRocks 不依赖预计算所有查询均实时执行性能一致且可预期。3.2 数据模型维度StarRocksApache Kylin支持模型明细模型、聚合模型、更新模型、主键模型星型模型、雪花模型宽表支持支持最多 10000 列不直接支持需通过 Cube 建模间接实现数据更新支持 Upsert / Partial Update / 实时写入主要批量构建 Cube实时能力弱分钟级Schema 变更灵活Lightning Schema Change较复杂需重建 Cube明细查询原生支持明细模型不擅长Cube 聚合后丢失明细3.3 数据摄入与时效性维度StarRocksApache Kylin实时导入秒级可见Stream Load / Flink Connector分钟级Kafka 微批构建3-5 分钟延迟批量导入Broker Load / Routine Load / Spark LoadHive 数据源 Cube 构建小时级CDC 同步支持 Flink CDC / Debezium不原生支持数据更新主键模型支持实时 Upsert需重建 Cube Segment数据时效性秒级分钟级到小时级导入方式多样Stream/Broker/Routine/Spark/FlinkHive 表 / Kafka 流3.4 预计算与加速维度StarRocksApache Kylin加速机制物化视图异步/同步Cube 预计算核心机制预计算粒度按需定义物化视图灵活需穷举维度组合2^N-1 个 Cuboid存储膨胀可控仅物化视图增加存储较大Cube 可能是原始数据的数倍甚至 10 倍自动路由CBO 自动识别物化视图并路由自动路由到匹配的 Cuboid预计算成本低按需仅定义需要的物化视图高Cube 构建耗时长消耗大量计算资源维度爆炸无此问题严重维度超过 10 个时 Cube 膨胀急剧3.5 可运维性维度StarRocksApache Kylin部署复杂度简单FE BE无外部依赖复杂依赖 Hadoop 全套生态运维成本低高需运维 HDFS/Hive/ZK/Spark/HBase 等弹性扩缩容支持存算分离模式下 CN 弹性伸缩有限依赖 Hadoop 集群扩容监控告警内置 Dashboard Prometheus 集成依赖外部监控系统故障恢复多副本自动恢复依赖 Hadoop 生态的容错能力升级难度低滚动升级中高需协调 Hadoop 各组件版本四、适用场景分析4.1 StarRocks 最佳场景场景说明实时数仓秒级数据摄入 即时查询适合电商大促、物流运单、金融指标等实时监控多维分析报表灵活选择星型/雪花/宽表模型支持即席分析高并发查询单集群可支撑数千并发查询适合面向用户的报表系统湖仓一体分析直接查询 Hive/Iceberg/Hudi/Delta Lake 数据无需数据搬迁用户画像与圈人支持 Bitmap 精确去重和交集运算多表关联分析CBO Colocate Join多表关联性能远超同类4.2 Kylin 最佳场景场景说明固定维度报表维度相对固定10 个以内查询模式可预测超大规模数据聚合TB~PB 级数据预计算后查询适合海量历史数据分析高并发低延迟查询命中 Cube 时毫秒级响应CPU 消耗低并发能力强Hadoop 生态深度融合已有成熟 Hadoop 集群数据主要在 Hive 中传统 BI 报表与 Tableau/PowerBI/Excel 深度集成适合自助分析4.3 不适用场景场景StarRocks 不适用Kylin 不适用明细数据查询适合不擅长Cube 丢失明细频繁 Schema 变更灵活支持困难需重建 Cube即席探索性分析强项不适合无法命中预计算实时数据更新强项不擅长Cube 构建延迟大维度多且变化无影响维度爆炸问题严重小规模团队快速起步简单易部署依赖重门槛高五、性能基准参考基于公开基准测试和社区实践的综合对比指标StarRocksKylin简单聚合查询命中预计算亚秒级毫秒级简单聚合查询未命中预计算亚秒级需回退 Spark秒级到分钟级多表 JOIN3-5 表1-5 秒需建模为 Cube否则无法执行即席查询1-10 秒可能无法执行或极慢数据导入延迟秒级分钟到小时级并发能力QPS数千到数万数千命中 Cube 时存储效率列式压缩膨胀率低Cube 膨胀率 1x~10x六、选型决策矩阵决策因素推荐 StarRocks推荐 Kylin已有 Hadoop 生态不作为主要考虑强烈推荐无 Hadoop 生态强烈推荐不推荐查询模式固定、维度少两者皆可推荐更极致性能查询灵活多变强烈推荐不推荐需要实时数据分析强烈推荐不推荐需要明细聚合混合查询强烈推荐不推荐维度 10 个且变化推荐不推荐团队规模小、运维能力弱强烈推荐不推荐数据在 Hive 中、离线为主两者皆可推荐需要湖仓一体强烈推荐不推荐存储成本敏感推荐存算分离一般Cube 膨胀大需要兼容 MySQL 协议强烈推荐不支持精确去重需求多推荐主键模型推荐Bitmap七、总结StarRocks 优势极速统一ROLAP 架构无需预计算即可实现亚秒级查询查询性能一致可预期实时能力秒级数据摄入与查询主键模型支持实时 Upsert多表关联CBO 向量化 Colocate Join多表关联性能业界领先架构简洁无外部依赖部署运维简单存算分离弹性伸缩湖仓一体直接查询数据湖数据无需数据搬迁MySQL 兼容零学习成本迁移广泛 BI 工具兼容Kylin 优势极致预计算命中 Cube 时查询毫秒级CPU 消耗极低超高并发查询仅读取预计算结果可支撑极高并发Hadoop 融合与 Hive/HDFS/Spark 深度集成适合已有 Hadoop 体系的企业低成本高吞吐查询资源消耗低同等硬件支撑更多查询成熟生态Apache 顶级项目Kyligence 提供商业支持核心结论选 StarRocks需要实时分析、灵活查询、多表关联、湖仓一体、快速落地、低运维成本选 Kylin已有成熟 Hadoop 生态、查询模式固定、维度较少、追求极致查询性能和超高并发当前行业趋势StarRocks 因实时能力、灵活性和低运维成本正在成为更多企业统一 OLAP 引擎的首选。Kylin 在特定场景固定维度报表、超大数据量预计算仍有不可替代的优势但适用场景在收窄。