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：
- 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 4.0+
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：
- 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 □ 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。