EMR Serverless StarRocks拓展多模态分析
阿里云发布的 EMR Serverless StarRocks 产品介绍重点展示了商业内核 Stella 3.0,将 OLAP、KV 点查、全文检索和向量检索纳入同一 SQL 工作流。StarRocks 称,该统一能力可支持多模态混合检索、AI 训练样本圈选,以及基于 Paimon、Lance 和 Iceberg 湖表的 RAG 检索。文章还列出性能测试和智能体技能,但相关能力与数据主要来自厂商自述。
该版本以单一 SQL 接口连接多模态检索、过滤和分析,面向原本需要多个系统协作的数据准备流程。
作者:范振,StarRocks TSC Member;阿里云开源 OLAP 负责人
构建 Lakehouse 原生 OLAP 引擎,一直是 StarRocks 的首要方向。用户可以把业务数据留在开放湖表里,直接用 StarRocks 做多表关联、聚合和交互式分析。报表和临时查询都可以围绕同一份湖上数据展开。
近两年,随着 AI 应用和模型训练越来越多地用到图片、视频、音频和文本,StarRocks 加大了对多模态分析与检索的投入。做报表时,分析师通常知道该查哪些表。准备训练数据时,工程师手里可能只有一句描述或一张参考图,需要先找到一批相关样本,再决定怎样筛选和分析这批数据。
为什么要统一分析与检索
拿雨夜道路图片做训练集为例,团队希望用同一条 SQL 完成两件事。先取少量样本预览,确认找出的图片符合预期。条件确定后,只需调大返回数量,就能用同一套检索和筛选条件生成训练样本清单。
过去,这类任务往往由两个系统接力完成。检索服务先找一批相似图片,把候选 ID 交给 OLAP 引擎,再关联标签和采集记录,筛选并统计样本。小批量预览时,跨系统传一份清单的开销有限。要生成几万张图的训练集,候选清单也跟着变大,筛完数量不够还得回到检索端补查。
#Stella 3.0#EMR Serverless StarRocks#StarRocks#Alibaba Cloud#Paimon#Lance#Iceberg#Qwen