StarRocks 将 Lance 向量检索接入分布式 SQL
阿里云 StarRocks 作者介绍，EMR Serverless StarRocks 的 Stella 内核已接入 Lance 数据访问与索引能力，可在一条 SQL 中完成条件过滤、相似度检索、多表关联和统计分析。方案支持对宽结果列采用全局延迟物化，案例规模覆盖 500 个 fragments 中的 20 亿条 1024 维向量。作者称等待时间降至原来的 1/40、混合检索性能达到 Ray + Lance 的 16 倍，但相关效果尚无独立验证。
该方案有望减少向量检索与 OLAP 之间的结果交接，让多模态 AI 负载在同一分布式 SQL 工作流中结合相似度搜索、业务关联和统计分析。
作者：范振，StarRocks TSC Member；阿里云开源 OLAP 负责人
在 Lance 的客户实践中，我们发现，业务对检索的要求正在向后延伸。找到相似轨迹、驾驶帧或机器人任务片段之后，还需要关联订单、模型版本和执行记录，解释这些样本为什么相似、异常集中在哪里，以及哪些数据值得进一步分析。检索命中的记录，也由此成为下一步业务计算的输入。
当检索和分析分成多个任务执行，结果集的交接、数据读取和批次等待，会拉长整个探索过程。业务希望能够直接提出问题，在同一条 SQL 中完成条件过滤、相似度检索、多表关联与统计分析，并随着问题变化继续追查。这也是阿里云 EMR Serverless StarRocks 接入 Lance 时重点解决的问题。
围绕这一需求，EMR Serverless StarRocks 的企业级云原生内核 Stella，将 Lance 的数据访问与索引能力接入分布式 SQL 执行体系，并针对混合检索、候选归并、物化策略和缓存调度进行优化。自 2025 年启动接入以来，相关能力已通过多个行业标杆客户的实际负载持续打磨。
#Alibaba Cloud#EMR Serverless StarRocks#StarRocks#Stella#Lance#Ray