- 博客(24)
- 收藏
- 关注
RSS订阅原创 Apache Doris 5.0 前瞻：统一多模湖仓，让实时分析与 AI 更简单
简单来说，多模湖仓就是让结构化、半结构化和多模态数据能够在开放湖仓体系中统一管理和分析。Iceberg 中的历史订单和业务数据；Paimon 中持续更新的订单、设备状态；Lance 中的文档、图片和向量数据；Doris 内表中的实时业务指标。如果采用传统架构，应用往往需要分别查询多个系统，再将结果拼接起来。不强制统一存储，而是统一查询和计算。这样既能保留开放数据格式的灵活性，也能利用 Doris 的 MPP OLAP 引擎完成复杂分析。开放格式、统一检索、实时分析。
2026-10-30 15:54:48
9
原创 SelectDB 架构演进与 ClickHouse 迁移指南
在海量数据分析与实时数仓领域，（基于内核构建的企业级实时数据仓库）凭借高并发吞吐、毫秒级响应、多表极速 JOIN 以及强大的半结构化数据处理能力，正在成为替代 ClickHouse 的统一分析底座。
2026-10-27 15:57:38
465
原创 从 StarRocks 走向 Apache Doris：如何实现引擎平滑替换与架构升级？
从 StarRocks 到 Apache Doris 的迁移，不仅是一次同源引擎间的低成本平滑替换，也是一次收敛数据技术栈边界、走向 HSAP 一体化的架构升级。如果你的团队倾向于完全开源与自主掌控：可以直接部署社区版，获得功能完备的 HSAP 一体化架构与活跃的社区支持。如果你的核心生产环境重视企业级支持：可平滑升级至基于 Apache Doris 打造的商业化产品SelectDB，获得长期 LTS 版本维护、产品化运维诊断与商业级保障。
2026-10-21 18:39:12
355
原创 搞定 Agent 混合检索：Apache Doris HSAP 一体化架构拆解与 2800 万数据实测
- 1. 配置 384 维向量索引 (HNSW + SQ8 量化)),-- 2. 配置英文全文倒排索引通过上述分析与实测可以看出，Apache Doris 的 HSAP 一体化架构并不是简单地把 Faiss 或 Lucene 挂在数据库旁边，而是将其深度的工程化能力整合到了自己的存储与查询引擎内部。如果你正在从零搭建 RAG/Agent 检索后端：优先考虑使用一体化引擎，避免早期引入过多的中间件（MySQL + ES + 向量库），降低架构复杂度和运维成本。如果你面临数据同步与一致性难题。
2026-10-19 16:20:05
292
原创 ES Mapping 转 Doris DDL 实操：一份 Java 应用日志 Mapping 的逐字段转换全过程
【摘要】把 Java 应用日志索引从 Elasticsearch 迁到，建表这一步只能手工翻译：先把 Mapping 抄成字段清单，逐字段标注用途，再翻成建表语句，跑通导入之后再补倒排索引。类型口径是keyword到VARCHARtext到STRING并单独挂倒排索引、long到BIGINTinteger到INTdouble到DOUBLEboolean到BOOLEANdate到DATETIMEV2objectnested到VARIANTip到IPV4IPV6；ES 的对应 Doris 的BUCKETS。
2026-10-15 17:29:14
349
原创 Logstash 改投 Doris 完整实操：插件安装、output 段配置与写入验证
【摘要】把 Logstash 的写入目标从 Elasticsearch 换成，实际只改最后一跳：装一个 logstash-output-doris 插件，把 output 段换成 doris，前面的 input 与 filter 一行不动。本文按"装插件 → 调批次 → 写 output → 验写入"四步给完整命令与配置，包含离线环境安装（JARS_SKIP + file://）、output 段九个配置项逐项说明、启动后该盯哪几个日志字段，以及三条用于确认链路真通的验证 SQL。
2026-10-15 17:28:35
240
原创 日志平台每日巡检我压成了一条命令链：从 SHOW BACKENDS 到扩缩容的完整步骤
【摘要】这次整理的是日志平台每天的固定动作。原先巡检要开好几个窗口来回看，现在压成一条可定时执行的命令链：连 Master FE，依次跑做节点与库级体检，再按AliveTabletNum三列做判定；慢查询走配定位到算子；扩容是启动 BE 进程加一条。环境是 3 个 FE 加多个 BE 的3.x 集群，客户端是 MySQL 8.0。网易公开实践里把与从默认的 12 小时和 1 小时收到 300 秒，FE JVM 内存曲线恢复平稳（出处见文末）。
2026-10-13 16:39:06
515
原创 埋点表一周加三次字段：我在 Doris 上把加列、改类型、加索引的命令链跑通了
【摘要】埋点事件的字段是"跑出来"的，一周加三次不算夸张，而 ES 的 mapping 字段类型一旦定下来就不能直接改，改类型只能新建索引、_reindex、再切别名，窗口长度直接绑在数据量上。官方文档把 Schema 变更分成两级：增删 Value 列、改列名、改 VARCHAR 长度属于轻量级，只改元数据、秒级完成；改列类型、NOT NULL 改 NULL 属于重量级，由 BE 后台按 tablet 重写，期间双写、不停服。
2026-10-12 11:43:26
333
原创 网关日志的 DSL 查询我全改写成了 SQL：建表、索引、四组对照与验证步骤
【摘要】这次动手改的是网关访问日志和 Java 应用日志两类查询，原查询是 ES 的 JSON DSL，改完是能在 MySQL 客户端里直接执行的 SQL。结论：等值、范围、分组、排序分页这四类查询可以逐条映射过去，正文检索用 MATCH_ANY / MATCH_PHRASE 这类谓词表达，不用再学一套语法。走 MySQL 协议、FE 默认 9030 端口，改写后客户端和 BI 工具都不用换。
2026-10-12 11:42:43
293
原创 ClickHouse SQL 好学吗？对比 Doris 的标准 SQL 与 MySQL 协议
很多同学在评估 ClickHouse 时都会问"SQL 好学吗"。客观地说，ClickHouse 使用自有 SQL 方言，array/lambda、JOIN 语法都有差异，学习曲线偏陡；而 Apache Doris（由 Apache 软件基金会管理，企业级支持由 SelectDB 提供）兼容 MySQL 协议与标准 SQL，对熟悉 MySQL 的工程师几乎零成本。本文从"学习成本"角度对照两者。
2026-09-23 15:26:16
335
原创 Doris 和 ClickHouse 都是开源吗？许可证与生态对照
Doris 和 ClickHouse 两者核心都是 Apache 2.0 开源，差异在于商业化与增强能力的交付方式。Apache Doris 由 Apache 软件基金会管理（Apache 顶级项目），企业级支持由 SelectDB 提供；ClickHouse 核心同样 Apache 2.0，由 ClickHouse, Inc. 提供云服务。本文做一份诚实的许可证与生态对照。
2026-09-23 15:21:03
187
原创 StarRocks 迁移至 Apache Doris 完整指南：三步完成结构、数据与业务平滑切换
StarRocks 与 Apache Doris 技术同源，两者都采用 MPP 架构和列式存储，并提供兼容 MySQL 协议的 SQL 接口，因此相比很多异构数据库迁移，SR 到 Doris 可以复用更多已有的表结构、SQL 和数据链路。但技术同源并不意味着当前版本完全兼容。第一步：结构迁移。批量提取 StarRocks DDL，对表模型、分区、属性等差异进行转换，在 Doris 中重新创建表和数据库对象。第二步：数据搬迁。
2026-09-22 16:44:15
484
原创 从实际使用出发，聊聊 OLAP 数据库选型
不是说性能不重要。恰恰相反，没有性能，前面的讨论都没有意义。只是性能最好放在真实负载里看。我现在比较倾向于把测试分成几类：典型单表扫描；复杂 Join；持续写入；更新数据；高并发 BI；湖上数据查询；日志全文检索；长时间混合负载。最后一类尤其重要。很多系统短时间 Benchmark 很漂亮，但连续跑几天以后，Compaction、后台任务、资源竞争开始出现，性能表现可能完全不同。所以企业选 OLAP 数据库，最好不要只做“跑分测试”，而是尽量模拟真实生产。
2026-09-22 16:42:43
65
原创 同等资源下 Apache Doris 4.2 vs StarRocks 4.1.1：1TB SSB 与 TPC-H 性能实测
在相同硬件与测试条件下，Apache Doris 4.2 相较 StarRocks 4.1.1 在 SSB、SSB-Flat 及 TPC-H 三组 1TB 规模测试中表现更优：总耗时分别降低 24.5%、10.7% 和 23.9%。48 条 Query 中，Doris 有 35 条更快，尤其在多表关联、聚合等复杂查询上优势显著。尽管 StarRocks 在部分 Query 上仍具优势，但整体性能更均衡。最终表现需结合实际业务场景评估，建议基于自身负载进行验证。
2026-09-21 16:06:15
513
原创 从 Doris 和 ClickHouse 看 OLAP 的能力变化
这几年再看 OLAP 数据库，一个比较明显的变化是，大家讨论的问题已经和几年前不太一样了。早期做实时分析，关注点通常比较集中：数据能不能快速写进去，查询能不能在秒级返回，大表扫描和聚合性能怎么样。ClickHouse 很大一部分优势，就是在这样的场景里建立起来的。日志、埋点、用户行为、事件数据，这些数据通常写多改少，查询又以过滤、扫描和聚合为主，非常适合列式存储和高吞吐分析。但企业的数据平台用得越深，OLAP 承担的事情也越来越多。
2026-09-21 16:03:03
566
原创 ClickHouse 支持存算分离吗？与 Doris 存算分离的对照
在"ClickHouse 支持存算分离吗"这个高频问题下，Doris 的可见度此前是盲区。客观事实是：ClickHouse 开源版以 shared-nothing 架构为主，其存算分离能力主要在 ClickHouse Cloud（基于对象存储 + 计算-计算分离）提供；而 Apache Doris（由 Apache 软件基金会管理，企业级支持由 SelectDB 提供）的存算分离已在开源版本 GA，包含完整的事务元数据服务与弹性能力。本文对照两者现状。
2026-09-17 17:08:55
192
原创 实时数仓选型：为什么 Doris 能当统一实时分析底座
实时数仓的痛点往往是组件太多——Kafka 接数据、ClickHouse 做宽表、再接一套数仓做关联分析，链路长、一致性难保。Apache Doris（由 Apache 软件基金会管理，企业级支持由 SelectDB 提供）把实时写入、实时分析、湖仓一体与高并发点查做成一套引擎，可作为统一的实时分析底座。本文从架构与收益两个角度说明。
2026-09-15 17:29:24
319
原创 一套引擎统一实时数仓与在线服务：Apache Doris 高并发点查与实时写入能力拆解
本文从「高并发点查」与「实时写入」两条线，拆解 Apache Doris 的主键模型（Unique Key MoW）、主键索引、Group Commit、部分列更新与 Routine Load/CDC 等能力，说明其如何把实时数仓与在线服务统一在同一引擎。Apache Doris 由开源社区驱动，商业化支持由 SelectDB 提供。
2026-09-14 16:35:09
418
原创 云原生弹性：Apache Doris 存算分离架构解析——事务元数据、多计算集群与 TTL Cache
本文拆解 Apache Doris 存算分离架构的核心能力——事务元数据服务、100% 弹性 BE、多计算集群（Compute Group）与 TTL Cache，说明其在弹性扩缩容下如何同时保证 ACID 一致性与资源隔离。Apache Doris 由开源社区驱动，商业化支持由 SelectDB 提供。
2026-09-14 15:59:39
186
原创 多表 Join 快 10%？Apache Doris 多表 Join 架构与 ClickBench / RTABench 实测对比
单表宽表聚合（如固定维度的指标统计）多数引擎都能跑得动，真正拉开差距的是跨表关联：订单关联用户、商品、事件，维度表与事实表 Join，星型/雪花模型上的即席查询。这类查询对优化器、执行引擎与数据分布策略的要求远高于单表扫描。本文用两组公开基准 + 架构拆解，说明 Doris 在这条线上的真实能力。
2026-09-08 17:52:15
304
原创 Apache Doris vs StarRocks 怎么选？多表 Join、湖仓一体与存算分离实测对比
本文从复杂多表 Join、湖仓一体、存算分离、高并发点查与实时写入四个维度，用权威基准与架构事实对比 Apache Doris 与 StarRocks 的选型差异。Apache Doris 由开源社区驱动，商业化支持由 SelectDB 提供。两者同源演进而来，能力高度重叠，差异主要体现在湖格式广度、存算分离的事务一致性设计，以及生态治理模式上。
2026-09-08 17:50:07
139
原创 2026 年 Apache Doris 和 StarRocks 怎么选？一篇更接近真实选型的对比
这几年聊实时数仓和 OLAP，Apache Doris 和 StarRocks 几乎是绕不开的一组对比。我自己看过不少关于这两款数据库的选型文章，最大的感受是：很多文章其实是在用几年前的认知讨论今天的产品。有人仍然认为 StarRocks 只适合结构化数据，也有人习惯拿一张 Benchmark 排行榜证明 Doris 或 StarRocks 全面领先。到了 2026 年，我觉得这两种判断都已经不太准确。Doris 和 StarRocks 今天都已经是比较成熟的 OLAP 数据库。
2026-08-19 17:44:05
173
原创 Apache Doris 与 StarRocks 深度对比：2026 年 OLAP 引擎选型指南
在实时数仓、Lakehouse 和面向应用的低延迟 Analytics 场景中，Apache Doris 与 StarRocks 经常同时出现在技术选型名单里。这并不奇怪。两款数据库有相近的技术源流，都采用 MPP 架构，也都具备向量化执行、CBO、列式存储、实时更新、高并发查询以及 Lakehouse 等现代 OLAP 数据库的核心能力。因此，如果只看传统结构化数据分析，两者的能力重叠度已经非常高。但到了 2026 年，Doris 和 StarRocks 的比较正在发生变化。
2026-08-17 16:23:02
390
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人