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 Agent1. 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 4.02.5 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 ESCHTrino3. 与其他方案对比维度Apache Doris / SelectDBClickHouseElasticsearchTrino/Presto实时数据更新Unique Key Upsert 秒级批量更新近实时不支持复杂 JOINCBO 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 的条件需要 PB 级实时分析比亚迪 10 表 JOIN 提升 10 倍需要面向客户的高并发分析百度上万 QPS 亚秒级在做 AI Agent/RAG 需要混合检索字节跳动 PB 级验证需要统一搜索分析日志存储比 ES 降 50-70%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数据几乎不更新、单表聚合为主——ClickHouse仅需全文检索——Elasticsearch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 □ ChatBI6. FAQQ1Apache 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。Q2Doris 如何支撑 RAG 场景ADoris 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。Q3Doris 与 ClickHouse / ES 的区别ADoris 统一引擎覆盖搜索分析日志AIClickHouse 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 DorisApache 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。