聊聊Doris的数据模型，如何用结构化设计解决实时分析难题

传统 OLAP 系统的局限

在大数据实时分析领域，数据模型设计直接决定了系统的查询性能、存储效率与业务适配性。Apache Doris作为新一代MPP分析型数据库，通过独创的多模型融合架构，在业内率先实现了"一份数据支持多种分析范式"的能力。本文将深入解析Doris的三大核心数据模型及其背后的设计哲学。

在 Doris 出现之前，传统的 OLAP 系统通常面临以下的局限性：

• 预聚合模型，牺牲灵活性换取性能，无法支持明细查询；
• 全量明细模型，保留原始数据但查询效率低下；
• Lambda 混合架构，又会导致架构复杂，而且会有数据一致性风险。

Doris 数据模型技术实现

Doris 通过数据模型来定义数据存储和管理方式，当前提供了明细模型、聚合模型以及主键模型三种表模型，不同的模型具有相应的数据去重、聚合和更新机制，满足不同应用场景需求。

明细模型 (Duplicate Key Model)

明细模型下的数据存储类似于传统数据库，允许指定的 Key 列重复，一般数据只进行追加，现有数据不更新或少量更新。 Doris 存储层保留所有写入的数据，既不去重也不聚合。

虽然无法利用预聚合特性，但是不受聚合模型的约束，可以发挥列存模型的优势。适合任意维度的 Ad-hoc 查询，典型的应用场景如日志存储、交易数据和用户行为数据查询等。

主键模型 (Unique Key Model)

每行 Key 值唯一，确保给定的 Key 列不会存在重复行，基于主键进行 UPSERT 更新，Doris