為了實現集群高可用，建議集群最低3個節點，FE和BE分開部署也可以混合部署。
單節點配置要求：
- BE推薦16核64GB內存以上，FE推薦16核64GB內存以上。
- 磁盤可以使用HDD或者SSD。
- CPU必須支持AVX2指令集，
cat /proc/cpuinfo |grep avx2確認有輸出即可，如果沒有支持，建議更換機器，StarRocks的向量化技術需要CPU指令集支持才能發揮更好的效果。 - 網絡需要萬兆網卡和萬兆交換機。
環境支持要求：
-
Linux (Centos 7+)
-
Java 1.8+
假定內存、磁盤都不會拖后腿的情況下，分析/查詢的性能瓶頸在 CPU 的處理能力。所以通過對 CPU 的算力要求，來預估集群的數量。
集群需要的總 CPU 資源：e_core = scan_rows / cal_rows / e_rt * e_qps
| 變量名 | 變量含義 | 樣例 |
|---|---|---|
| e_core | 預計要使用的CPU核數(vCPU) | |
| vCPU總數(邏輯處理器) = Socket數（CPU個數）x Core數（內核）x Thread數（超線程） | 540c | |
| scan_rows | 線上典型場景中的數據掃描量 | 3000萬 |
| e_qps | 預期線上QPS | 180qps |
| e_rt | 預期線上響應時間 | 300ms |
| cal_rows | StarRocks針對SQL場景的計算能力 | 3000萬/s |
場景樣例：
-
數據量：事實表一年 3.6億行數據，大約 100萬行/天；
-
典型查詢場景：一個月的事實表數據（ 3000萬 ）和比較小的的維度表（萬級別）做關聯，再進行 group by、sum 等聚合計算；
-
期望：響應時間在 300ms 以內，業務的峰值 QPS 達 180 左右。
估算解釋：
-
StarRocks 的處理能力在“單核 1000萬~1億/秒”，此場景有「多表 join」和「group by」以及一些表達式函數，相對復雜，所以按照「 3000萬/s 的計算能力」估算，需要 3 個 vCPU：3000萬 / 3000萬/s / 300ms = 3c。
-
並發峰值為180qps，因此需要 3 * 180 = 540c，即總共需要 540 個 vCPU。按單台物理機48虛擬核(vCPU)算，理論計算大約需要12台物理機。
-
實際 POC 過程中，用3台物理機16虛擬核進行壓力測試，能夠在40qps下滿足300-500ms的響應時間。最終，線上確定用7台48虛擬核的物理機。 所以，還是建議用戶要根據實際的業務場景做一下POC測試。
綜上：根據POC的測試結果，建議用戶搭建3個FE節點每個節點16核64GB內存、7個BE節點每個節點48核152GB內存。
其他說明：
-
計算業務越復雜、處理中的一行的列數量越多越復雜，每秒能處理的行數就會越少；
-
計算中「條件過濾」的效果越好（能過濾掉很多數據），則能處理的行數就會越多（因為內部有一些索引結構，能更快地幫助處理數據）；
-
不同「表模型」會對處理能力有很大影響，上面是按照「明細模型」估算。其他模型，內部會有一些特殊處理，真實的數據量行數會和用戶理解的數據量行數有一些差異；同時，分區/分桶，也會對查詢性能有很大影響；(我們有其他相關文檔來指導用戶如何使用以達到最佳性能）
-
對於一些需要掃描大量數據的場景，磁盤的性能也會影響處理能力。需要時，可以使用SSD來加速。