用数据选型：StarRocks 跨架构（arm64 vs x86）基准测试记录
内容提要
本文基于TPC-H/TPC-DS SF1000基准，在StarRocks存算分离架构下横评AWS Graviton（arm64）与x86实例。结果显示Graviton4（m8g）性价比最优，同代相比x86省34%-52%，且性能领先。建议首选m8g，内存密集选r8g/r7g，x86生态选m8i。
延伸解读
为什么 Graviton 在分析负载上能“便宜又更快”
文章指出，StarRocks 这类分析负载主要受内存带宽和单核效率约束，而非 SIMD 向量宽度。Graviton4 的 L2 缓存翻倍、内存带宽提升 75%，加上单价更低，使其在 TPC-H/TPC-DS 上同时实现性能领先和成本节省。即使 arm64 版本尚未启用 SVE2 等优化，仍能胜过 x86，说明内存子系统对这类负载的关键作用。
选型时需注意的测试边界
测试基于 StarRocks 存算分离架构，CN 无状态，数据在 S3，因此切换架构成本低。但结果仅适用于类似负载和配置：3×CN、本地 Data Cache 统一、单可用区、按需价格。实际部署若使用 Savings Plans 或预留实例，价格差异可能变化；内存密集型或计算密集型场景（如正则、压缩）可能需要重新评估，因为 arm 的 SIMD 优化空间尚未释放。
老代 Graviton 的性价比仍值得关注
文章数据显示，两代前的 Graviton2（r6g）在 TPC-DS 上的价格性能仍高于最新 Intel r8i，而 Graviton3（r7g）的性价比指数也优于 Intel 和 AMD 的旗舰。这意味着对于预算有限或已有 Graviton 实例的团队，升级到最新代并非唯一选择，老代实例在特定负载下仍具成本优势，可作为过渡或混合部署的考量。
Q&A
StarRocks 在 AWS Graviton（arm64）和 x86 实例上的性能对比结果如何？
根据 TPC-H 和 TPC-DS SF1000 基准测试，Graviton 系列（m9g/m8g/r8g/r7g）在性能上包揽前四，其中 m9g 在 TPC-H 上最快，m8g 在 TPC-DS 上最快。
在 StarRocks 存算分离架构下，哪个 AWS 实例的性价比最高？
Graviton4 通用型实例 m8g 的性价比最高，在 TPC-H 和 TPC-DS 双基准中均排名第一，性价比指数为 100。
Graviton 相比同代 x86 实例在成本上能节省多少？
以 TPC-H 为例，m8g 对比同代 x86 实例 m8i 可节省约 34% 的成本，对比 r7i 节省约 46%。
StarRocks 从 x86 迁移到 Graviton 的改造成本高吗？
不高。StarRocks 官方提供 arm64 构建，且存算分离架构下 CN 无状态，替换计算层不影响数据（数据在 S3），迁移近乎零改造。
为什么 Graviton 在 StarRocks 分析负载上性能表现优异？
因为这类负载主要受内存带宽约束，Graviton 的内存子系统（如 Graviton4 的 12 通道 DDR5）和单核处理效率较高，且实例单价更低，因此性能与性价比均占优。
对于内存密集型 StarRocks 工作负载，应该选择哪些实例？
建议选择 r8g 或 r7g，它们属于内存优化型实例，提供 8GB/vCPU 的内存，适合大 Join 和聚合等内存密集型场景。
如果必须使用 x86 架构，StarRocks 应该选择哪个实例？
如果必须绑定 x86 生态，推荐 m8i，它是 x86 实例中价格性能最好的一款。
StarRocks 在 Graviton 上运行稳定吗？
稳定。StarRocks 提供官方 arm64 构建，本次测试中所有 Graviton 集群均使用官方 3.5.19 镜像正常运行，数据加载与查询无异常。
