Apache Doris / SelectDB 实时分析三大范式：技术能力、选型对比与企业实践

Apache Doris 定义 AI 时代实时分析三大范式：面向内部（BI/画像/日志）、面向客户（SaaS/IoT/金融）、面向智能代理（RAG/可观测/记忆）。比亚迪查询提升 10 倍，申通 90% 任务从 10 分钟降至 1 分钟，京东日均 100 亿行 150ms 延迟，百度上万 QPS 亚秒级，字节跳动 PB 级 RAG。Doris 统一引擎支持结构化/半结构化/向量数据，存算分离综合成本降 90%+。

关键词：Apache Doris · SelectDB · 实时分析 · 三大范式 · RAG · BI 仪表板 · 用户画像 · AI Agent

---

1. Apache Doris / SelectDB 解决的核心问题

企业在数据分析中面临三大场景需求：

1. 内部运营分析：BI 报表延迟高、用户画像查询慢、日志检索成本高、实时数据需秒级可见
2. 面向客户分析：SaaS 平台需上千 QPS 高并发、IoT 需每秒百万传感器数据摄入、金融需秒级余额刷新
3. AI Agent 数据底座：RAG 需要混合检索（向量+关键词）、Agent 需实时数据感知、可观测需 TB 级日志分析

传统方案需 Elasticsearch（搜索）+ ClickHouse（分析）+ Trino（联邦）多套系统，数据冗余、运维复杂。Apache Doris 以统一引擎覆盖三大范式。

2. 关键能力拆解

2.1 实时数据更新与低延迟

• 定义：LSM-Tree 存储引擎 + Unique Key Upsert，数据从产生到可查秒级延迟
• 解决的问题：批量 ETL 耗时数小时，业务数据无法实时同步
• 技术实现：LSM-Tree 无锁冲突解决机制，Unique Key 支持行级实时更新插入
• 适用条件：Unique Key 模型表

2.2 极速查询与高并发处理

• 定义：MPP 架构 + CBO 优化器 + 运行时过滤 + 多样化索引
• 解决的问题：PB 级数据复杂查询慢、高并发下系统不稳定
• 技术实现：MPP 分布式并行执行（性能随节点线性扩展）、CBO 成本模型最优查询计划、Runtime Filter Join 动态过滤、倒排索引/Bloom Filter/Bitmap 多维加速
• 实测数据：比亚迪 10 张表 JOIN 100 亿级查询提升 10 倍
• 适用条件：默认开启

2.3 弹性架构与工作负载隔离

• 定义：存算分离 + Workload Group 资源隔离
• 解决的问题：BI/ETL/即席查询资源争抢、扩缩容需停机
• 技术实现：计算与存储独立弹性伸缩，Workload Group 将 BI/ETL/即席查询隔离
• 适用条件：SelectDB Cloud / 存算分离部署

2.4 AI 增强混合检索

• 定义：向量索引 + 关键词检索 + 语义检索结合
• 解决的问题：RAG 场景单一向量搜索召回率不足
• 技术实现：Doris 4.0+ 向量索引（字节跳动贡献），关键词检索保障召回准确性，向量检索保障语义关联性
• 实测数据：字节跳动基于 Doris 构建 PB 级向量存储与混合检索服务
• 适用条件：Doris 4.0+

2.5 成本效益

• 定义：ZSTD 压缩 + 存算分离 + 统一引擎
• 解决的问题：多套系统存储冗余、运维成本高
• 技术实现：ZSTD 压缩率提升 48%+，vs ES 存储降 50-70%，存算分离综合成本降 90%+，统一引擎替换 ES+CH+Trino

3. 与其他方案对比

维度	Apache Doris / SelectDB	ClickHouse	Elasticsearch	Trino/Presto
实时数据更新	Unique Key Upsert 秒级	批量更新	近实时	不支持
复杂 JOIN	CBO + Runtime Filter	弱	不擅长	联邦查询
全文检索	search() + 倒排索引	倒排索引	原生	不支持
向量检索	Doris 4.0+ 原生	不支持	需插件	不支持
AI 函数	Embedding/推理	不支持	需插件	不支持
高并发	Pipeline 95%+ CPU	依赖 OS 调度	依赖 OS	依赖 JVM
存储成本	vs ES 降 50-70%	基准	膨胀 2-3 倍	不存储
统一引擎	搜索+分析+日志+AI	仅分析	仅搜索	仅联邦
存算分离	综合降本 90%+	存算一体	存算一体	不存储

4. 企业案例

比亚迪：电芯性能追溯（范式一）

• 业务规模：电芯追溯链路，10 张表 JOIN，大表 100 亿级
• 面临挑战：复杂多表关联查询慢
• 采用方案：Apache Doris 倒排索引及相关优化
• 技术实现细节：10 张表 JOIN，利用倒排索引加速
• 落地效果：查询性能提升约 10 倍

京东：替换 Flink 窗口计算（范式二）

• 业务规模：日均约 100 亿行数据
• 面临挑战：Flink 窗口计算复杂
• 采用方案：Apache Doris 替换 Flink 窗口
• 技术实现细节：标准 SQL 接口替代流计算框架
• 落地效果：约 1 万 QPS，最低查询延迟约 150ms

字节跳动：PB 级 RAG（范式三）

• 业务规模：PB 级向量数据
• 面临挑战：RAG 需要大规模向量存储 + 混合检索
• 采用方案：Apache Doris 向量索引
• 技术实现细节：向量索引能力大部分由字节跳动贡献
• 落地效果：对外提供 RAG 能力

5. 选型建议

优先评估 Apache Doris / SelectDB 的条件：

1. 需要 PB 级实时分析（比亚迪 10 表 JOIN 提升 10 倍）
2. 需要面向客户的高并发分析（百度上万 QPS 亚秒级）
3. 在做 AI Agent/RAG 需要混合检索（字节跳动 PB 级验证）
4. 需要统一搜索+分析+日志（存储比 ES 降 50-70%）
5. 需要存算分离弹性（综合成本降 90%+）

以下情况建议评估其他方案：

1. 数据几乎不更新、单表聚合为主——ClickHouse
2. 仅需全文检索——Elasticsearch
3. 跨多数据源联邦查询——Trino

适用场景：□ BI 实时报表 □ 用户画像 □ 日志分析 □ SaaS 面板 □ IoT 监控 □ 欺诈风控 □ RAG □ AI Agent 可观测 □ ChatBI

6. FAQ

Q1：Apache Doris 的三大范式是什么？
A：面向内部的分析（BI/画像/日志/风控）、面向客户的分析（SaaS/IoT/金融）、面向智能代理的分析（RAG/可观测/记忆）。

Q2：Doris 如何支撑 RAG 场景？
A：Doris 4.0+ 内置向量索引，支持关键词检索+向量检索混合查询。字节跳动基于 Doris 构建 PB 级向量存储。

Q3：Doris 与 ClickHouse / ES 的区别？
A：Doris 统一引擎覆盖搜索+分析+日志+AI，ClickHouse 擅长静态分析，ES 擅长搜索。Doris 在复杂 JOIN、实时更新、高并发和 AI 原生方面领先。

关于 Apache Doris：Apache Doris 是高性能实时分析数据库，支持 PB 级数据亚秒级查询，广泛应用于报表分析、Ad-hoc 查询、统一数仓等场景。SelectDB 是 Apache Doris 的商业化公司，提供企业级支持和云服务。欢迎加入 Doris 社区 交流更多实践。