企业官网建设流程全解析

StarRocks 3.2 版本全解析：数据湖分析、主键表持久化索引与 Data Cache 演进

【免费下载链接】starrocksThe world's fastest open query engine for sub-second analytics both on and off the data lakehouse. With the flexibility to support nearly any scenario, StarRocks provides best-in-class performance for multi-dimensional analytics, real-time analytics, and ad-hoc queries. A Linux Foundation project.项目地址: https://gitcode.com/GitHub_Trending/st/starrocks

StarRocks 3.2 是一个横跨 2023 年 12 月至 2025 年 4 月的大版本，从 3.2.0 一直迭代到 3.2.16，核心围绕数据湖分析（Unified Catalog、Hive/Iceberg 管理表）、主键表持久化索引、Data Cache（原 Block Cache）重命名与参数重构、Pipeline 引擎全面强制启用等方向展开。本文将基于仓库 docs/en/release_notes/release-3.2.md 的完整发布说明，结合 be/src/common/config.h、fe/fe-core/src/main/java/com/starrocks/common/Config.java 等源码逐项印证，帮助你完整理解 3.2 版本的架构变化、参数体系与升级注意事项，并掌握每个小版本的修复重点。

1. 版本总览与时间线

StarRocks 3.2 系列共发布了 17 个版本（3.2.0 至 3.2.16），其中两个版本被撤回：

3.2.4 与 3.2.5 被撤回的原因：查询外部 Catalog（如 Hive、Iceberg）中的外部表时存在权限问题——即使用户对该表拥有 SELECT 权限，访问仍会被拒绝，而SHOW GRANTS却显示用户拥有该权限。该问题仅影响外部 Catalog 中的外部表查询，其他查询不受影响。临时规避方法是重新授予 SELECT 权限（但SHOW GRANTS会出现重复权限条目），升级到 v3.2.6 后可用REVOKE移除重复条目。

2. 数据湖分析（Data Lake Analytics）：3.2 的核心增强

2.1 Unified Catalog：统一访问 Hive / Iceberg / Hudi / Delta Lake

3.2.0 引入了Unified Catalog，允许通过一个 Catalog 访问共享同一元数据服务（如 Hive metastore 或 AWS Glue）的不同表格式：Hive、Iceberg、Hudi 和 Delta Lake。这大幅简化了混合数据湖场景下的元数据管理，用户不再需要为每种表格式单独创建 Catalog。

2.2 Hive Catalog 增强：管理表创建、写入与 JNI 读取

• 3.2.0 支持在 Hive Catalog 中创建和删除数据库、管理表（managed table），并支持通过INSERT或INSERT OVERWRITE将数据导出到 Hive 管理表。
• 3.2.1 支持通过 Java Native Interface（JNI）读取 Hive Catalog 表及文件外部表中的Avro、SequenceFile、RCFile格式。
• 3.2.4 支持在 Hive Catalog 中执行CREATE TABLE LIKE。
• 3.2.9 起 Hive 表支持skip.header.line.count属性，便于跳过 CSV 类文件的表头行。

2.3 外部表统计信息与元数据管理

• 3.2.0 支持使用ANALYZE TABLE收集 Hive 和 Iceberg 表的统计信息并存储在 StarRocks 中，从而优化查询计划、加速后续查询；同时支持外部表的信息模式（Information Schema），方便 BI 工具等外部系统与 StarRocks 交互。
• 3.2.3 支持从 Iceberg 表（含 Partition Transform）收集统计信息。
• 3.2.7 的ANALYZE TABLE支持为外部表收集直方图（histogram），可有效应对数据倾斜问题。
• 3.2.14 支持收集 Paimon 表的统计信息。

2.4 Iceberg Catalog 能力优化（3.2.0）

• 支持从 Manifest 文件收集列统计信息以加速查询；
• 支持从 Puffin 文件收集 NDV（不同值数量）以加速查询；
• 支持分区裁剪（partition pruning）；
• 降低 Iceberg 元数据内存占用，提升大元数据量或高并发查询场景下的稳定性。

3.2.4 起 Iceberg Catalog 参数enable_iceberg_metadata_cache默认值调整为false（3.2.1 至 3.2.3 默认true）；若 Iceberg 集群使用 AWS Glue 作为 metastore，该参数仍默认true，使用 Hive metastore 等其他服务时默认false。

2.5 FILES() 表函数与数据湖读写

3.2.0 大幅扩展了FILES()表函数：

• 支持从Azure 或 GCP加载 Parquet 和 ORC 格式数据；
• 支持通过参数columns_from_path从文件路径中提取 key/value 对作为列值；
• 支持加载 ARRAY、JSON、MAP、STRUCT 等复杂数据类型。

3.2 后续版本持续优化 FILES()：

• 3.2.10：自动将 Parquet 中logical_type为JSON的BYTE_ARRAY数据转换为 StarRocks 的 JSON 类型；
• 3.2.11：读取 Parquet 时支持自动推断 STRUCT 类型；修复读取 TIMESTAMP 等复杂类型时时区使用错误的问题；
• 3.2.13：修复 FILES() 读取了未查询列的问题；
• 3.2.15 前（3.2.5）：优化了不同文件里同名不同类型列的合并规则，按粒度更大的类型合并（如 FLOAT 与 INT 合并为 DOUBLE）。

同时 3.2.0 支持使用INSERT INTO FILES将数据从 StarRocks 卸载为 AWS S3 或 HDFS 上的Parquet 格式文件，3.2.3 新增会话变量connector_sink_compression_codec用于指定写入 Hive/Iceberg 表或 FILES() 导出时的压缩算法（GZIP、BROTLI、ZSTD、LZ4）。

2.6 PIPE：面向 S3/HDFS 的持续数据导入

3.2.0 支持通过PIPE从 AWS S3 或 HDFS 持续加载数据：当 PIPE 检测到远程存储目录有新文件或文件被修改时，自动将新数据加载到 StarRocks 目标表；加载过程中 PIPE 自动将大的加载任务拆分为多个小的串行任务，提升大规模数据导入场景的稳定性并降低错误重试成本。3.2.3 支持CREATE OR REPLACE PIPE，3.2.11 支持对 FILES() 与 PIPE 的认证信息进行掩码处理。

2.7 Reader 性能优化（3.2.0）

• ORC Reader：ORC Column Reader 对 VARCHAR/CHAR 的读取性能提升近两倍；优化 Zlib 压缩格式 ORC 文件的解压性能。
• Parquet Reader：支持自适应 I/O 合并（根据过滤效果自适应合并带谓词与不带谓词的列，降低 I/O）；优化 Dict Filter（支持 STRUCT 子列与按需字典列解码）；优化 Dict Decode 与 late materialization；支持缓存文件 footer 避免重复计算；支持 lzo 压缩格式解压。
• CSV Reader：优化读取性能；支持 Snappy 和 lzo 压缩格式解压。
• 优化 count 计算的性能。

3. 主键表：持久化索引与同步 Publish

3.1 持久化索引与同步发布机制

3.2.0 在共享数据（shared-data）集群中支持将主键表的索引持久化到本地磁盘（此前仅支持存放到对象存储），并优化了主键表持久化索引的内存使用逻辑，同时降低 I/O 读写放大（对应 PR #24875、#27577、#28769）。主键表还支持跨本地磁盘的数据再分布。

同步 Publish：写入主键表的数据加载任务的 Publish 阶段由异步模式改为同步模式，加载任务完成后数据可立即查询。该行为由 FE 配置项enable_sync_publish控制，3.2.0 起默认值从false改为true，在源码 Config.java 中可以看到当前默认值即为true：

public static boolean enable_sync_publish = true;

同时enable_persistent_index_by_default（是否默认为主键表启用持久化索引）默认值也从false改为true（见 Config.java）。

3.2 主键表后续迭代

3.2 系列对主键表持续投入：

• 3.2.3：新增 BE 配置项lake_pk_compaction_max_input_rowsets（共享数据集群中主键表 compaction 任务允许的最大输入 rowset 数，默认500，见 config.h），用于优化 compaction 任务资源消耗；新增pindex_major_compaction_limit_per_disk（单盘 compaction 最大并发度，默认1，解决因 compaction 导致各磁盘 I/O 不均衡的问题）；新增enable_lazy_delta_column_compaction（默认true，避免对 delta 列频繁 compaction）。
• 3.2.5：主键表支持Size-tiered Compaction，降低 I/O 放大（3.2.4 中共享数据集群的云原生主键表也支持该能力）。
• 3.2.7：支持混合行列存储表（hybrid row-column storage，Preview），提升主键表高并发低延迟点查与部分更新的性能；该功能暂不支持 ALTER TABLE 修改、修改 Sort Key 及列模式部分更新。
• 3.2.9：修复共享数据集群中主键表 Vertical Compaction 失败的问题。
• 3.2.10：修复列模式部分更新在大数据量更新场景下失败的问题；修复主键表持久化索引l0快照在磁盘写失败时可能丢数据的问题；修复主键表索引持久化与 compaction 冲突导致克隆失败的问题。
• 3.2.13：修复主键表 Tablet 加载时优先级评估逻辑缺陷导致的版本识别错误与数据丢失（3.2.16 修复）。

4. 物化视图（Materialized View）演进

4.1 异步物化视图（3.2.0）

• Query Dump 文件可包含异步物化视图信息；
• 异步物化视图刷新任务默认启用Spill to Disk（落盘），降低内存消耗；
• 当视图、物化视图或其基表发生 Schema 变更时，支持异步物化视图自动刷新；
• 数据一致性：新增query_rewrite_consistency属性定义基于一致性检查的查询改写规则；新增force_external_table_query_rewrite属性，用于外部 Catalog 异步物化视图是否允许强制查询改写；
• 增加物化视图分区键一致性检查：使用带 PARTITION BY 表达式的窗口函数创建异步物化视图时，窗口函数的分区列必须与物化视图一致；
• 支持 Trace Query Profile 分析异步物化视图的透明改写。

4.2 异步物化视图后续增强

• 3.2.1：新增sys.object_dependencies视图记录异步物化视图的血缘信息；支持基于 Iceberg Catalog 的异步物化视图分区级增量刷新；支持基于 Paimon Catalog 表的异步物化视图分区级刷新（Preview）。
• 3.2.3：支持备份和恢复异步物化视图；支持基于视图创建物化视图并做查询改写。
• 3.2.4：支持对基于逻辑视图创建的物化视图进行查询改写；物化视图刷新权限由root用户改为创建物化视图的用户（不影响已有物化视图）。

4.3 同步物化视图

3.2.1 支持带 WHERE 子句创建同步物化视图；3.2.5 支持dict_mapping列属性，可显著简化全局字典构建过程中的加载，加速精确 COUNT DISTINCT 计算。

4.4 相关参数（3.2.3）

• FE 配置项default_mv_refresh_immediate（默认true）：创建物化视图后是否立即刷新；
• FE 配置项default_mv_refresh_partition_num默认值改为1：物化视图刷新涉及多分区时任务分批执行，每次只刷新一个分区，降低单次刷新资源消耗。

5. 查询能力与 SQL 函数

5.1 HTTP SQL API 与 Profile 分析

• 3.2.0 支持HTTP SQL API，用户可通过 HTTP 访问 StarRocks 数据并执行 SELECT、SHOW、EXPLAIN、KILL 操作；
• 支持 Runtime Profile 与基于文本的 Profile 分析命令（SHOW PROFILELIST、ANALYZE PROFILE、EXPLAIN ANALYZE），可直接通过 MySQL 客户端分析 Profile，定位瓶颈。

5.2 新函数与兼容性

3.2.0 新增函数：

• 字符串函数：substring_index、url_extract_parameter、url_encode、url_decode、translate；
• 日期函数：dayofweek_iso、week_iso、quarters_add、quarters_sub、milliseconds_add、milliseconds_sub、date_diff、jodatime_format、str_to_jodatime、to_iso8601、to_tera_date、to_tera_timestamp；
• 模式匹配：regexp_extract_all；
• 哈希函数：xx_hash3_64；
• 聚合函数：approx_top_k；
• 窗口函数：cume_dist、percent_rank、session_number；
• 工具函数：get_query_profile、is_role_in_session。

其他函数增强：

• 3.2.1：新增 Bitmap 函数subdivide_bitmap、bitmap_from_binary、bitmap_to_binary；新增数组函数array_unique_agg；支持预处理语句（prepared statement），提升高并发点查性能并有效防 SQL 注入；新增日期函数milliseconds_diff（3.2.4）。
• 3.2.4：兼容 Trino 语法，支持current_catalog、current_schema、to_char、from_hex、to_date、to_timestamp、index等函数；BITMAP类型列的agg_type可设为replace_if_not_null以支持仅更新表的部分列；将 STRING 转 DATETIME 的效率提升 35%~40%。
• 3.2.9：窗口函数支持max_by与min_by。
• 3.2.15：窗口函数支持max_by和min_by的补充支持（对应 PR #54961）。

5.3 行为变更相关会话变量

• 3.2.3 新增enable_strict_order_by（默认TRUE）：对"查询不同表达式使用重复别名且该别名同时是 ORDER BY 排序字段"（如select distinct t1.* from tbl1 t1 order by t1.k1;）报错，逻辑与 v2.3 及更早版本一致；设为FALSE时使用宽松去重机制。
• 3.2.3 新增enable_materialized_view_for_insert（默认false）：控制物化视图是否改写 INSERT INTO SELECT 中的查询。
• 3.2.3：Pipeline 框架内单查询内存限制改由query_mem_limit约束（0表示不限），不再使用exec_mem_limit。
• 3.2.0 新增large_decimal_underlying_type = "panic"|"double"|"decimal"：设置 DECIMAL 溢出处理规则（立即报错 / 转 DOUBLE / 转 DECIMAL(38,s)）。
• 3.2.4 新增cbo_decimal_cast_string_strict（默认true）：控制 CBO 将 DECIMAL 转为 STRING 的方式（严格转换，按 scale 截断并补 0）；同时可通过会话变量cbo_eq_base_type调整常量与字符串类型列的比较规则。

6. 权限与安全：Apache Ranger 集成

3.2.0 支持通过Apache Ranger进行访问控制，提供更高等级的数据安全，并允许复用外部数据源的既有服务。集成后支持两种访问控制方式：

• 访问 StarRocks 内部表、外部表或其他对象时，基于 Ranger 中为 StarRocks Service 配置的访问策略实施访问控制；
• 访问外部 Catalog 时，可复用原始数据源对应的 Ranger 服务（如 Hive Service）进行控制（目前尚不支持对导出到 Hive 的数据做访问控制）。

3.2.9 进一步支持通过 Apache Ranger 实现列级访问控制，并优化了权限管理——限制user_admin角色的用户重置 root 用户密码。

7. 导入、导出与存储

7.1 Stream Load

• 3.2.7：Stream Load 支持传输压缩，可通过参数compression与Content-Encoding指定压缩算法（GZIP、BZIP2、LZ4_FRAME、ZSTD），降低网络带宽开销。
• 3.2.9：Stream Load 支持将 JSON 字符串自动转换为 STRUCT/MAP/ARRAY 类型；支持直接使用\t和\n作为行列分隔符，无需转换为十六进制 ASCII 码。
• 3.2.13：修复使用 HTTP 1.0 提交 Stream Load 失败的问题。
• 3.2.15：修复调度到 Alive 状态为 false 的节点时 Stream Load 失败的问题；修复主键表 Stream Load 部分更新报错的问题。
• 3.2.16：Stream Load 任务调度支持BE 节点黑名单，黑名单中的节点将不参与任务调度（PR #57919）。

7.2 Broker Load 与 Routine Load

• 3.2.3：Broker Load 支持加载 JSON 类型数据；新增 FE 配置项routine_load_unstable_threshold_second（默认3600秒，见 Config.java）。
• 3.2.3 起 SHOW ROUTINE LOAD 返回新增LatestSourcePosition字段，记录 Kafka topic 各分区最新消息位置，便于排查加载延迟；3.2.1 起新增OtherMsg字段展示最近一次失败任务的信息。
• 3.2.5：Broker Load 加载含 TIMESTAMP 数据的 ORC 文件时，转换到 DATETIME 可保留微秒精度。
• 3.2.12：优化 BE 复杂查询场景的内存分配与统计以避免 OOM；优化 FE 在 Schema Change 场景的内存使用；支持 List 分区表的备份与恢复。
• 3.2.13：修复 SHOW ROUTINE LOAD 后loadRowsRate字段返回 0 的问题；修复 Routine Load 因事务过期被错误取消的问题（现在仅在数据库或表不存在时才取消任务）；修复 Glue/S3 集成的多个问题（错误信息未显示根因、Glue 元数据服务下写 STRING 分区列 Hive 分区表报错、权限不足删除 Hive 表无错误提示）。

7.3 数据分布与分桶优化

• 3.2.0 支持对已有表手动优化表结构和数据分布策略：可设置新的分桶键、分桶数或排序键，也可为特定分区设置不同分桶数；支持为 Random Bucketing 的 Duplicate Key 表根据集群信息和数据量动态调整 tablet 数量（需在建表时添加bucket_size属性）。
• 3.2.9 行为变更：创建非分区表未指定分桶数时，系统设置的最小分桶数为16（此前为按公式2*BE 或 CN 数量计算的2）；创建分区表未指定分桶数且分区数超过 5 时，分桶数规则改为max(2*BE 或 CN 数量, 按最大历史分区数据量计算的分桶数)。
• 3.2.15：List 分区策略的表支持 DELETE 语句的分区裁剪（PR #55400）。

7.4 存储冷却与 Schema 变更

• 3.2.0 支持分区表基于分区时间范围和冷却时间自动冷却，便于在分区级别进行冷热数据管理。
• 3.2.0 支持Fast Schema Evolution（由表属性fast_schema_evolution控制，默认false，且不能用 ALTER TABLE 修改），开启后加减列的效率显著提升。
• 3.2.4 支持混合行列存储表执行 Schema Change，并支持 BITMAP、HLL、JSON、ARRAY、MAP、STRUCT 等复杂类型。
• 3.2.13 支持为特定表设置禁止 Base Compaction 的时间范围（PR #50120）。

8. 参数体系变更：Data Cache 重命名（重点）

8.1 Block Cache → Data Cache 参数重构

3.2.0 将Block Cache 重命名为 Data Cache，并引入一套以datacache前缀命名的新 BE 参数替换原block_cache前缀参数。升级到 v3.2 后旧参数仍会生效，但一旦启用新参数会覆盖旧参数；新旧参数混用不被支持，可能导致部分配置不生效。未来版本将废弃block_cache前缀参数，官方建议使用新参数。

新增的替换关系如下：

在源码 be/src/common/config.h 中可以看到 Data Cache 参数的真实默认值及与旧参数的别名映射：

CONF_Bool(datacache_enable, "true"); CONF_mString(datacache_mem_size, "20%"); CONF_mString(datacache_disk_size, "100%"); CONF_Int64(datacache_block_size, "262144"); // 256K CONF_Bool(datacache_checksum_enable, "false"); CONF_Bool(datacache_direct_io_enable, "false"); CONF_Int64(datacache_max_concurrent_inserts, "1500000"); CONF_Int64(datacache_max_flying_memory_mb, "2"); CONF_Alias(datacache_block_size, block_cache_block_size); CONF_Alias(datacache_max_concurrent_inserts, block_cache_max_concurrent_inserts); CONF_Alias(datacache_checksum_enable, block_cache_checksum_enable); CONF_Alias(datacache_direct_io_enable, block_cache_direct_io_enable);

datacache_disk_path的解析逻辑位于 be/src/cache/datacache_utils.cpp 的DataCacheUtils::parse_conf_datacache_disk_paths，解析失败时会返回Status::InvalidArgument并记录警告日志。

3.2.0 还新增了两个相关能力：Data Cache 在多个本地磁盘间均匀分布；3.2.7 支持异步填充 Data Cache，降低缓存填充对查询性能的影响。3.2.3 起 BE/CN 配置项starlet_use_star_cache默认改为true，即共享数据集群默认启用 Data Cache；若升级前手动设置了starlet_cache_evict_high_water = X，则升级后必须将starlet_star_cache_disk_size_percent设为(1.0 - X) * 100（例如X = 0.3时设为70），确保文件数据缓存与 Data Cache 都不超过磁盘容量上限。

8.2 会话变量重命名

• enable_scan_block_cache更名为enable_scan_datacache；
• enable_populate_block_cache更名为enable_populate_datacache。

8.3 3.2.0 新增/移除的 BE 参数

新增：

• spill_max_dir_bytes_ratio（默认0.8，见 config.h）：落盘目录字节数比例上限；
• streaming_agg_limited_memory_size（默认134217728字节即 128MB，见 config.h）：流式聚合受限内存大小；
• streaming_agg_chunk_buffer_size（默认1024，见 config.h）：流式聚合 chunk 缓冲区大小。

移除：

• 动态参数tc_use_memory_min、tc_free_memory_rate、tc_gc_period；
• 静态参数tc_max_total_thread_cache_byte。

默认值变更：

• disable_column_pool：false→true；
• thrift_port：9060→0；
• enable_load_colocate_mv：false→true；
• enable_pindex_minor_compaction：false→true。

8.4 3.2.0 新增/移除/改名的 FE 参数与会话变量

新增 FE 配置项：

• catalog_metadata_cache_size（默认500，见 Config.java）
• enable_backup_materialized_view（默认false，见 Config.java）
• enable_colocate_mv_index（默认true，见 Config.java）
• enable_fast_schema_evolution（当前默认true，见 Config.java）
• json_file_size_limit（默认4294967296即 4GB，见 Config.java）
• lake_enable_ingest_slowdown（默认true，见 Config.java）
• lake_ingest_slowdown_threshold（默认100，见 Config.java）
• lake_ingest_slowdown_ratio（默认0.1，见 Config.java）
• lake_compaction_score_upper_bound（默认2000，仅在lake_enable_ingest_slowdown=true时生效，见 Config.java）
• mv_auto_analyze_async（默认true，见 Config.java）
• primary_key_disk_schedule_time（默认3600秒即 1 小时，见 Config.java）
• statistic_auto_collect_small_table_rows（默认10000000即 10M 行，见 Config.java）
• stream_load_task_keep_max_num（默认1000，见 Config.java）
• stream_load_task_keep_max_second（默认3 * 24 * 3600即 3 天，见 Config.java）

移除：enable_pipeline_load（其字段仍存在于 Config.java，但已不在 3.2 的参数体系中生效）。

新增会话变量：enable_per_bucket_optimize、enable_write_hive_external_table、hive_temp_staging_dir、spill_revocable_max_bytes、thrift_plan_protocol。

移除会话变量：enable_pipeline_query_statistic、enable_deliver_batch_fragments。

保留字：新增OPTIMIZE和PREPARE。

8.5 3.2.3 新增参数与 3.2.15 StarClient 超时参数

3.2.3 新增的配置项还包括：

• FE 配置项http_worker_threads_num（默认0，若设为负数或0，实际线程数为 CPU 核数的两倍，见 Config.java）；
• BE 配置项lake_pk_compaction_max_input_rowsets（共享数据集群主键表 compaction 最大输入 rowset 数，默认500）。

3.2.15 新增三个 StarClient 超时参数：star_client_read_timeout_seconds、star_client_list_timeout_seconds、star_client_write_timeout_seconds。

8.6 3.2.10 加载内存硬限制

3.2.10 新增 BE 内存限制参数load_process_max_memory_hard_limit_ratio：数据加载内存使用超过该限制后，后续加载任务将失败；同时新增 FE 启动脚本对meta目录的检查（目录不存在时自动创建）。

9. 共享数据集群（Shared-data）专项

• 3.2.0：主键表索引持久化到本地磁盘；Data Cache 多本地磁盘均匀分布。
• 3.2.3：starlet_use_star_cache默认开启 Data Cache（详见 8.1 的配置换算说明）。
• 3.2.4：支持 S3 兼容对象存储的Partitioned Prefix 特性，启用后数据按统一前缀分布到 bucket 下的多个分区（子路径），提升 S3 兼容对象存储数据文件的读写效率；新增s3_compatible_fs_list参数指定可通过 AWS SDK 访问的 S3 兼容存储，fallback_to_hadoop_fs_list参数指定需通过 HDFS Schema 访问的非 S3 兼容存储（需使用厂商提供的 JAR 包）。
• 3.2.7：优化共享数据集群的垃圾回收（GC）机制，支持对对象存储中的表或分区执行手动 compaction。
• 3.2.10：修复将 v3.3 共享数据集群降级到 v3.2 时，主键表设置"persistent_index_type" = "CLOUD_NATIVE"导致崩溃的问题；修复共享数据集群中主键表持久化索引的 GC 与线程回收机制在 CN 节点不生效导致废弃数据无法删除的问题（3.2.5 修复）。

10. 升级注意事项（Upgrade Notes）

升级到 3.2 前必须注意两点：

1. Random Bucketing 优化默认关闭：如要启用，需在建表时添加bucket_size属性，系统即可根据集群信息和加载数据量动态调整 tablet 数量。注意：启用后如需回滚到 v3.1 或更早版本，必须先删除启用了该优化的表并手动执行元数据检查点（执行ALTER SYSTEM CREATE IMAGE），否则回滚会失败。
2. 非 Pipeline 查询已禁用：从 v3.2.0 起 StarRocks 禁用了非 Pipeline 查询。升级前需在 FE 配置文件fe.conf中全局启用 Pipeline 引擎（添加enable_pipeline_engine=true），否则非 Pipeline 查询会报错。

3.2.11 还包含一条降级说明：从 v3.3.x 降级到 v3.2.11 时，若存在不兼容元数据，系统会忽略之（PR #49636）。

其他重要行为变更：

• 3.2.1：JDK8 默认 GC 算法升级为 G1；sql_mode新增GROUP_CONCAT_LEGACY选项兼容 v2.5 之前版本的group_concat实现；Broker Load 中 AWS S3 的aws.s3.access_key与aws.s3.access_secret认证信息在审计日志中隐藏；be_tablets视图新增INDEX_DISK字段记录持久化索引磁盘占用（字节）。
• 3.2.3：LIKE 操作符右侧字符串不含%或_时自动转换为=运算符；trash 文件默认保留期从 3 天改为 1 天；Routine Load 调度策略优化（慢任务不再阻塞其他正常任务）。
• 3.2.4：物化视图刷新权限改为创建者；information_schema.partitions_meta视图记录分区详细元数据；sys.fe_memory_usage视图记录内存使用情况。
• 3.2.9：JAVA_OPTS参数值继承顺序变更，若使用 JDK_9/JDK_11 之外版本需直接配置JAVA_OPTS。
• 3.2.12：支持动态修改 Backup/Restore 相关参数。

11. 监控与系统视图

3.2 版本新增或增强了大量监控与诊断能力：

• 3.2.0：information_schema.columns视图（3.2.10 支持GENERATION_EXPRESSION字段）；Profile 分析命令套件。
• 3.2.1：新指标max_tablet_rowset_num用于设置 rowset 最大数量上限，帮助提前发现 compaction 问题、减少 "too many versions" 错误；be_tablets视图新增INDEX_DISK字段。
• 3.2.2/3.2.3：information_schema.be_tablets新增storage_medium字段；Data Cache 相关指标加入监控 API；新增记录统计信息与物化视图日志的内部 SQL 日志文件。
• 3.2.12：从 Follower FE 节点查询information_schema.routine_load_jobs时优化任务状态展示；新增information_schema.fe_locks视图（3.2.12 修复了访问该视图导致崩溃的问题）。
• 3.2.13：Prometheus 解析含特殊字符名称的物化视图指标失败的问题已修复（物化视图指标现支持 tags）。
• 3.2.14：JSON 指标中纳入节点信息与直方图指标。
• 3.2.3：新增max_tablet_rowset_num相关 metric 说明的延续——LatestSourcePosition字段加入 SHOW ROUTINE LOAD 返回结果。

12. 从 3.2.1 到 3.2.16：维护版本修复要点速查

13. 总结与升级建议

StarRocks 3.2 是连接"本地数仓"与"数据湖"能力的关键版本：Unified Catalog 让一个集群统一访问 Hive/Iceberg/Hudi/Delta Lake 四种表格式；主键表持久化索引落盘与同步 Publish 显著改善了实时更新场景的稳定性与可见性；Data Cache 参数体系的重构为后续版本的数据缓存演进奠定了基础。对于计划升级到 3.2 的用户，请务必按第 10 节的升级注意事项操作（全局开启 Pipeline 引擎、理解 Random Bucketing 优化约束、完成block_cache→datacache参数迁移），并注意 3.2.4/3.2.5 已被撤回，应直接选用 3.2.6 及以上版本。更多细节可参考仓库中的 发布说明原文、BE 配置定义 be/src/common/config.h 与 FE 配置定义 fe/fe-core/src/main/java/com/starrocks/common/Config.java。

【免费下载链接】starrocksThe world's fastest open query engine for sub-second analytics both on and off the data lakehouse. With the flexibility to support nearly any scenario, StarRocks provides best-in-class performance for multi-dimensional analytics, real-time analytics, and ad-hoc queries. A Linux Foundation project.项目地址: https://gitcode.com/GitHub_Trending/st/starrocks