El Toro + Starburst：大规模查询性能
Richard Teachout
Ashley Furniture Industries 首席技术官 —— 高管级技术领导者、创业者、AI 领导者、架构师、问题解决者、前开发者。
June 1, 2023
Starburst 客户案例研究 · El Toro
查看案例研究 ↗
当我担任 El Toro 的 CTO 时，公司的数据团队撞上了一堵每个数据密集型组织最终都会撞上的墙：曾经顺畅的查询越来越慢，而数据越来越大。Starburst 在一份客户案例研究中记录了我们对此所做的努力——“优化查询性能，为数据湖分析提供动力”。
规模
在任何一天，El Toro 的机器学习算法都要消化超过 3500 亿个数据点。这不是我随口一说的数字——它是一个在大规模上将物理地址与 IP 地址进行匹配的 IP 定位平台的日常现实。分析引擎必须对一个庞大的数据湖运行快速、实时、交互式的查询，而且必须用于即席分析，而不仅仅是预制报表。
成果
这份案例研究记录了我们用 Starburst Enterprise 取得的成果：查询性能提升 300% 和 节省 500 万美元，支撑着每天数千个上线的广告活动。他们从我这里摘录的那句话说得很直白：“我们苦苦挣扎的需求，正是我们最终选择 Trino 的原因，而 Starburst 对我们这样一家企业公司来说，是非常自然的下一步——它让数据访问更简单、更好、更有支持、更稳定、更成熟，而无需投入相应的资源。”
完整案例研究在 Starburst 网站上。它能很好地展示，当你不再与你的数据基础设施对抗、而是让它随你一起扩展时，会发生什么。