StarRocks-制造行业解决方案
随着数字化进程推进和产业的不断升级，将数据作为一种战略资产建设数据管理体系，通过大数据赋能业务数字化、精细化、智能化管理已成为制造业必经之路。StarRocks数据库将持续助力制造业构建“产、检、供、销”的端到端全数字化运营体系。
制造业正面临着如何适应市场需求变化的严峻挑战，受国际关系、疫情爆发等意外事件影响，需求端和供应端都充满了不确定性，数据信息的传递和透明就显得尤为重要；且随着产能的提升和生产要求的不断提高，生产部门对数据分析的需求也在不断增长，很多企业面临着生产工序繁多、部门配合复杂、各部门数据更新慢、缺乏统一的数据管理机制、数据准确率低、系统之间存在壁垒导致的数据孤岛等问题。该场景的主要特点和面临问题主要如下：
1. 此前传统报表模式仅能记录问题，无法实时直观的呈现当前业务状态，也无法深入分析，对数据预测的颗粒度不够、准确率不高，导致企业在采购、排
产、调度等环节无法与销售资源有效协同，供应链越来越难适应市场的升级，库存和生产成本也直线飙高；
2. 各业务部门数据需要有统一的数据管理机制，打通系统之间的壁垒和数据孤岛，需对跨营销、生产、供应链、财务等多域多系统做集成，数据多源异
构；
3. 各业务部门根据各自业务需求和复杂度可灵活进行即席查询、自助分析、多维报表等，场景复杂多变，时效性要求各不一样，同时对实时和离线场景的
查询分析效率、并发能力等均有较高要求；
4. 海量数据的计算链路较长，复杂聚合和关联操作较多；
5. 企业内部业绩和运营激励规则变更频繁，分析维度多变，传统的大宽表模式或通过Cube预聚合模式难以应对末端运营复杂业务逻辑的快速迭代。
1. StarRocks数据库提供 Stream Load、Broker Load、 Routine Load、Spark Load、Insert 等多种导入方式，导入秒级延迟，并支持以外表方式对多
源数据进行联邦查询，高效对接多域多系统数据；
2. 数据模型灵活，支持多种建模方式，可使用宽表、预聚合及星型模型来灵活适配复杂维度分析业务；
3. 采用全面向量化引擎和全新 CBO 等多种优化手段，以实现极致的查询性能和时效性，查询效率尤其是多表Join大幅领先同类产品；
4. 分区分桶功能增加数据指向性，结合多级缓存能力，大幅提高集群高并发查询的能力；
5. 同时支持离线分析与实时分析，满足多种分析场景需求，实现 OLAP 查询引擎的统一，有效降低开发和运维成本，实现数据价值最大化。
制造业对产品质量有严格的管控要求，需要在生产过程中构建以人、机器、材料、方法、测量、环境为核心的5M1E立体化质量追溯体系，实现正向、逆向的单件或批次溯源。传统制造业在生产质检管理等各环节存在庞杂数据，内部系统间缺乏统一平台对数据关联、整合，数据孤岛现象严峻，且生产过程中过程管控和数据传递的缺失和不及时也会导致生产故障和异常频发，质量水平底下以及生产产能和原材料的浪费，对生产环节的质量实时追溯的场景有如下特点：
1. 需要通过海量的生产制造、测试的数据实时汇聚，对质量问题实时预警实时追溯，支撑业务现场实时干预纠偏；
2. 每天会有千万级数据的更新，经常需要支撑以年为单位的百亿级历史数据进行数十个复杂维度的溯源查询；
3. 质量数据作为质量溯源的数据底盘要多个系统调用，对 QPS 能力要求较高。
1. 在质量实时追溯场景中，StarRocks数据库面向不同规模的数据提供了 Broker Load、Stream Load 等多样化且灵活的数据导入方式，数据接入延迟可
以从小时级缩减到秒级；
2. 提供主键模型和更新模型满足实时和频繁更新的业务需求，相对于更新模型，主键模型在查询时不需要执行聚合操作，并支持谓词和索引下推，在数据
更新的同时提供高效查询；
3. 通过分区分桶、前缀索引以及在非key列创建 Bitmap/Bloomfilter 索引等方式对查询进行加速，同时借助于强大的 CBO 优化器，自动选择最优执行计
划，有效提升查询性能和系统吞吐，可将10亿级数据的复杂计算响应时效从小时级缩减到分钟级别。
请 登陆 后查看联系方式！
