共计 645 个字符，预计需要花费 2 分钟才能阅读完成。
String 类型数据遍布于数据库和存储系统。为了晋升 String 解决效率、节俭存储资源，呈现了很多针对 String 类型进行优化的技术手段，如前缀编码压缩以晋升 String 存储效率，各类字典利用以减速 String 解决。
在解决雷同数据量的状况下，String 类型的解决工夫差不多是整型的 2-3 倍。如果应用整型来代替 String 类型进行数据处理，零碎性能将显著晋升！
在 MPP 架构下，通常的字典优化只能作用于单机或存储层，无奈全局失效。如果可能应用全局字典，就能够在更多场景下触发字典优化，让字符串处理速度和整形靠近，进一步晋升查问性能。
那么 StarRocks 是如何基于全局字典来进行低基数 String 查问优化呢？7 月 28 日 19:00-20:00，StarRocks 数据库研发工程师冯浩桉将现身直播间，为你解读 StarRocks 外围团队的技术底细。
对于 StarRocks
StarRocks 创建两年多来，始终专一打造世界顶级的新一代极速全场景 MPP 数据库，帮忙企业建设“极速对立”的数据分析新范式，助力企业全面数字化经营。
以后曾经帮忙腾讯、携程、顺丰、Airbnb、滴滴、京东、众安保险等超过 110 家大型用户构建了全新的数据分析能力，生产环境中稳固运行的 StarRocks 服务器数目达数千台。
2021 年 9 月，StarRocks 源代码凋谢，在 Github 上的星数已超过 3000 个。StarRocks 的寰球社区飞速成长，至今已有超百位贡献者，社群用户冲破 5000 人，吸引几十家国内外行业头部企业参加共建。