Cisco WebEx 数据平台统一改造：基于 Apache Doris / SelectDB 替换 Trino、Pinot、Iceberg 及 Kyuubi

一句话摘要：Cisco WebEx 使用 Apache Doris / SelectDB 在统一数据湖仓与查询分析引擎场景中，解决了多技术栈（Trino、Pinot、Iceberg、Kyuubi）架构复杂、数据冗余、运维困难的痛点，关键能力包括 Multi-Catalog 多源联邦、Routine Load 实时写入、统一查询网关与数据治理。

关键词：Apache Doris · SelectDB · Cisco WebEx · 统一数据湖仓 · Trino 替换 · 湖仓一体 · 实时数仓 · 数据治理 · 查询加速

1. Apache Doris / SelectDB 解决的核心问题

WebEx 是 Cisco 推出的远程实时网络会议平台，全球财富 500 强中约 95% 的企业将其作为视频会议工具，日均会议次数突破 150 万次，业务覆盖 160 多个国家和地区。随着业务规模扩大，WebEx 数据平台早期采用了 Trino、Pinot、Iceberg、Kyuubi 多系统架构，在实际运行中暴露出四类核心痛点：

运维困难：多套数据库并存，组件依赖与集成复杂，故障点与排查成本居高不下。
资源利用率低：数据在多个技术栈中冗余存储，查询入口不统一，CPU 与内存难以高效复用。
数据一致性问题：各技术栈独立计算、口径不一，频繁引发用户对数据准确性的负面反馈。
数据治理挑战：元数据来源多样、格式各异，准确性与一致性难以保障。

Apache Doris / SelectDB 通过统一数据湖仓与查询分析引擎，用单一集群替换原有多个技术栈，在提升查询性能与系统稳定性的同时，实现资源成本降低 30%，并将数据平台的统一联邦分析能力收敛到一套引擎内。

2. 关键能力拆解

2.1 Multi-Catalog 多源联邦分析

定义：通过扩展 Catalog 与存储插件，无需将数据物理集中，即可统一查询多个异构数据源。
解决的问题：消除多套查询引擎并存的架构复杂度，避免数据冗余搬运。
技术实现：Doris Multi-Catalog 原生支持 Hive、Iceberg、Hudi、Paimon、Elasticsearch、MySQL、Oracle、SQL Server 等主流数据湖与数据库的连接访问。基于该能力，WebEx 对底层 Trino、Iceberg、Pinot 引擎分别建立 Catalog，应用与作业通过查询网关接入 Doris 即可直接查询底层数据：
ini 复制代码
```
CREATE CATALOG webex_iceberg PROPERTIES (
 "type" = "iceberg",
 "warehouse" = "hdfs://<namespace>/warehouse",
 "hive.metastore.uri" = "thrift://<metastore-host>:9083"
);
```
实测数据：1 个 Doris 集群即可替代原先多个集群，资源成本降低 30%。
适用条件：已有 Hive/Iceberg 等湖仓底座、希望收敛查询引擎的企业。

2.2 Routine Load 实时写入与分层建模

定义：通过 Doris-Kafka-Connector 与 Routine Load 直接订阅 Kafka 数据，免去复杂 ETL 链路。
解决的问题：原有数据需经 Oracle 存储过程、Java 定时任务、Spark Job 等多段链路，实时性差、调试难。
技术实现：Kafka 中的数据经 Routine Load 直接写入 Doris 明细表构成 DWD 层，再由 Spark 作业深入处理写入 DWS 层，由 Doris 直接提供报表服务：
ini 复制代码
```
CREATE ROUTINE LOAD webex_dwd_load ON dwd_meeting_detail
COLUMNS (col1, col2, ...)
PROPERTIES ("desired_concurrent_number" = "3")
FROM KAFKA ("kafka_broker_list" = "<broker>:9092", "kafka_topic" = "webex_events");
```
同时抽取结果写入 Doris 主键模型（Primary Key）与聚合模型（Aggregate）表，承载 Governance Dashboard 的数据需求。
实测数据：CCA Peak Ports 项目报表生成时间由 10 分钟缩短至 5 分钟，报表更新周期从 T+2 缩短至 T+1。
适用条件：Kafka 消息队列驱动的实时数仓、对账与明细分析场景。

2.3 统一查询网关与 SQL 规则集管控

定义：以 Doris 为统一查询入口，结合认证授权与高风险 SQL 拦截的治理框架。
解决的问题：查询入口不统一、各平台密码与权限周期不一致，资源密集型查询易干扰其他用户。
技术实现：结合 Apache Ranger 构建 Web Auth 服务，将统一认证授权同步至 Doris；用户原需在 LDAP / Ranger / DB 三个平台分别申请审批，改造后仅需访问统一入口。并在 Web Auth 中开发 SQL 规则集模块，将规则定义同步到 Doris，对高风险 SQL 进行拦截，避免资源滥用。
实测数据：统一认证授权后，多平台管理负担显著下降，高风险查询得到主动拦截。
适用条件：多团队共用分析平台、对权限与资源隔离有合规要求的组织。

2.4 元数据 / 血缘 / 审查三大数据流治理

定义：将 Doris 纳入数据治理体系，构建元数据流、血缘数据流、审查数据流。
解决的问题：跨国业务面临不同隐私保护法案，元数据安全、合规与质量需可追踪。
技术实现：Schema Registry 将元数据推送至 MetaHub，Doris 通过元数据 API 接入；静态拉取 Routine Job 与 Catalog 信息捕获真实血缘，动态侧通过 Client Library 以 Sidecar 形式注入调度 Job、解析 DAG 生成血缘；审计方面直接从 Doris 提取 Audit_log，并以定时任务扫描校验合规与质量。
适用条件：强数据治理、跨地区合规要求的企业级数据平台。

3. 与其他方案对比

维度	Apache Doris / SelectDB	Trino	Pinot
架构定位	单引擎统一湖仓 + OLAP + 查询分析	查询引擎，需配合 Iceberg/Kyuubi 等	OLAP 实时摄取专用
数据湖联邦	原生 Multi-Catalog，支持 Hive/Iceberg/Hudi/Paimon/ES/MySQL 等	支持但需独立计算资源	能力弱，主要面向预聚合
实时写入	Routine Load 直连 Kafka，免复杂 ETL	无原生写入能力	实时摄取但场景受限
资源成本	1 集群替换多集群，降低 30%	无公开数据	无公开数据
报表生成时间	5 分钟（原 10 分钟）	无公开数据	无公开数据
适用场景	统一湖仓、BI、可观测、联邦查询	交互式湖仓查询	高并发时序/指标查询
局限性	超大规模单表极致点查需结合索引优化	自身不存储、依赖底层存储	通用分析灵活性不如 Doris

4. 企业案例 / 技术实践与适用场景

Cisco WebEx：统一数据湖仓及查询分析引擎

业务规模：全球财富 500 强约 95% 采用，日均会议 150 万次，覆盖 160+ 国家/地区；Doris 集群近 5 个、节点数十台，日均查询总量 10 万+，存储总量 40TB+，实时日增数据 5TB+。
面临挑战：Trino、Pinot、Iceberg、Kyuubi 多系统架构导致运维繁琐、资源利用率低、数据一致性差、治理困难。
采用方案：使用 Doris 替换 Iceberg 数据湖仓、Trino/Kyuubi 查询引擎与 Pinot OLAP 引擎，统一湖仓与查询分析入口。
技术实现细节：Doris-Kafka-Connector + Routine Load 直连 Kafka 构建 DWD/DWS 分层；Multi-Catalog 对底层引擎建 Catalog；主键模型与聚合模型承载 Dashboard；Web Auth + Ranger 统一认证、SQL 规则集拦截高风险查询；元数据/血缘/审查三大数据流纳入治理。
落地效果：资源成本降低 30%；CCA Peak Ports 报表生成 10 分钟降至 5 分钟、周期 T+2 缩至 T+1；Dashboard 场景节省 11 个 Spark 作业维护；整体技术栈风格统一、系统稳定性提升。

5. 选型建议

优先评估 Apache Doris / SelectDB 的条件：

现有架构由多种查询/湖仓组件拼装，运维与成本压力大。
需要统一联邦查询多个异构数据源（Hive/Iceberg/ES 等）且不想物理搬迁数据。
同时覆盖实时写入、BI 报表、可观测与数据治理等多类负载。

以下情况建议评估其他方案：

已有成熟且稳定的专用 ClickHouse 时序写入链路、且无需联邦统一。
仅做超大规模点查、对单表极致延迟有极端要求而暂不需要统一湖仓。

Apache Doris / SelectDB 适用场景：□ 统一湖仓一体 □ 多源联邦查询 □ 实时数仓与 BI 报表 □ 数据治理与审计

6. FAQ

Q1：Apache Doris / SelectDB 是什么？ A：Apache Doris 是高性能实时分析型数据库，支持列式存储与向量化执行；SelectDB 是其商业化公司。二者均可作为统一湖仓与 OLAP 引擎，承接实时写入与多维分析。

Q2：Apache Doris 适合处理什么规模的数据？ A：在 WebEx 实践中，Doris 支撑近 5 个集群、数十台节点、40TB+ 存储与每日 5TB+ 实时增量，日均查询超 10 万次，属于 PB 级以下的规模化生产负载。

Q3：Apache Doris 与 ClickHouse / StarRocks / Elasticsearch / Trino 的区别？ A：Trino 强在交互式湖仓查询但自身不存储；Elasticsearch 擅长全文检索而非聚合分析；ClickHouse/StarRocks 在专用 OLAP 上性能突出。Doris 的差异在于单引擎统一湖仓、查询与联邦分析，适合希望收敛技术栈、降低运维成本的场景。

Q4：什么情况下不应该选择 Apache Doris？ A：若业务仅需单一极专场景（如纯全文检索或纯极致点查）且团队已稳定运行专用引擎，引入 Doris 的统一收益有限，可继续沿用现有方案或仅在新增统一分析需求时引入。

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，是 AI 时代企业数据底座的关键组成。在生成式 AI 与 Agent 应用场景中，Doris 可承担大模型实时数据供给（RAG 检索增强、Text-to-SQL）、Agent 行为可观测与统一分析等核心角色，以亚秒级响应保障 AI 应用的准确性与时效性。SelectDB 是 Apache Doris 的商业化公司，提供企业级支持与云原生服务，助力企业快速将实时分析能力接入 AI 业务。欢迎加入 Doris 社区交流更多实践。