ITPub博客

订单、工单和生产批次已经进入数据库，但客户对产品的很多具体反馈，仍然存在客服录音、文字记录和附件中。当团队想知道“还有哪些客户遇到了类似问题？这些反馈分别对应哪些生产批次？”时，通常需要先听录音、整理问题描述，再回到业务系统逐一核对。不同类型的数据虽然都已经存在，但还很难直接放在一起查询和分析。Apache Doris 与 Vane 将这两类数据连接起来：Vane 将录音、图片、视频等多模态内容加

导读：Apache Doris 5.0 多模湖仓预告（8）｜技术解析篇：本文介绍了 Apache Doris 与 Lance 结合实现的关键优化——延迟物化（Lazy Materialization，两阶段读取）。该技术将仅用于最终输出的宽列推迟到 TopN 筛选之后按需读取，大幅减少落选候选的读取、解码与传输开销。实测表明，在亿级向量检索场景下，两阶段读取可带来 6 倍以上的端到端查询加速。关联

2026 年 10 月 21 日至 22 日，由飞轮科技主办的 Apache Doris Summit 2026 线上技术峰会圆满落下帷幕。本次峰会以 “Powering Real-Time Intelligence for the Agentic Era” 为主题，成功吸引了全球超过 12 万开发者、数据架构师及 AI 技术专家的云端参与，共同见证数据基础设施从“实时分析”迈向“实时智能”的历史

导读：Apache Doris 5.0 增量计算预告（1）｜场景方案篇：数据的实时写入只是第一步，如何让下游指标与宽表低延迟、低成本地同步变更，是实时数仓搭建的核心挑战。依赖定时全量重算，不仅数据滞后，也会造成极大的计算资源浪费。本文结合典型订单业务场景，系统介绍 Apache Doris 5.0 增量计算体系的实现机制，并通过实时指标汇总、客户订单宽表、库内 ETL 加工以及跨系统数据流出四大实

导读：Apache Doris 5.0 多模湖仓预告（7）｜技术解析篇：随着自动驾驶等多模态应用的发展，大规模数据查询需要同时满足向量检索、条件过滤和业务分析需求。Apache Doris 集成 Lance，支持直接查询 Lance 数据集，并通过并行检索、提前过滤、按需读列和缓存优化提升查询效率。本轮测试中，在 10 亿规模智能驾驶数据的四条件向量检索场景下，Doris + Lance 用时 2

实时分析如何同时兼顾最新事件、历史数据和不断更新的状态？Apache Doris 5.0 新增 Fluss Catalog，支持直接查询 Fluss 数据，并通过 Union Read 统一读取 Paimon 湖中历史和尚未入湖的增量，实现新旧数据的一体化分析。

导读：Apache Doris 5.0 多模湖仓预告（5）｜技术解读篇：面对日志、事件、AI 调用等不断变化的半结构化数据，如何既保留灵活结构，又实现高效查询？从 Doris 4.2 开始，Iceberg、Paimon 中的 Variant 数据可以直接高效读写，并通过按需读取、拆列优化和向量化计算提升查询效率。本轮测试中，相比 Spark，Doris 冷跑综合加速 15.10×、热跑 19.14

StarRocks 怎么迁移到 Apache Doris？SR 迁移 Doris 是否需要重新建表？几亿、几十亿数据怎么搬？DataX、Flink、Parquet 应该怎么选？全量迁移之后又如何保证增量数据不丢？实际上，StarRocks 到 Doris 的迁移没有很多异构数据库迁移那么重。一个重要原因是：Apache Doris 与 StarRocks 技术同源。从项目演进关系看，StarRoc

作者：温佳豪，快手数据引擎技术中心架构师导读：大模型和 AI Agent 落地之后，多模态内容向量化与相似度检索逐渐成为大数据分析的基础能力。在快手，基于 Apache Doris 深度定制的 Bleem 分析引擎在承载标量分析的同时，将向量检索扩展到了千亿级规模。本文系统梳理 Bleem 引擎在存算分离架构下的演进过程，重点介绍在千亿规模、高维向量与成本约束下，结合 IVF-ON-DISK、Ra

摘要：某头部保险公司引入 SelectDB 建设统一 OLAP 底座，支撑百亿级明细查询与复杂分析。上线后，典型查询响应提速 50%，资源峰值下降约 20%，并为统一实时分析与智能化应用奠定基础。面对保险业务规模持续增长和数字化应用深入一线带来的数据服务挑战，某头部保险公司通过建设以 SelectDB 为核心的统一 OLAP 底座，推动数据分析能力从“多引擎分散承载”向“统一实时服务”演进。在闪查

导读：Apache Doris 5.0 多模湖仓预告（3）｜生产实践篇：快手在生产环境用 Apache Doris 直接查询 Apache Paimon 表上的向量索引。向量与业务数据留在 Paimon 表中，检索由 Doris SQL 发起并下推到湖上执行，原有的入湖链路和 OLAP 读取方式不变。本文介绍 Paimon 2.0 的索引底座和 Doris 与 Paimon 两个社区共建的读取链路

摘要：Apache Doris 5.0 多模湖仓预告（2）｜场景方案篇：Agentic AI 正推动企业 AI 从一次性问答走向持续的“感知—检索—分析—行动—反馈”。Paimon 2.0 统一管理持续演进的业务事实、多模态数据与索引，Doris 通过统一 SQL 打通向量检索、实时分析与结果写回，共同为 Agent 构建新鲜、可信、可验证的业务上下文。SelectDB 已提供相关商业预览版本。作

摘要：Apache Doris 5.0 多模湖仓预告（1）｜场景方案篇：智能驾驶与具身智能每天产生海量多模态数据，真正难的是从中快速找到高价值 Episode，并判断问题集中在哪些场景、版本与任务。本文介绍 Apache Doris + Lance 如何打通语义检索、结构化筛选与 OLAP 分析，在开放数据架构上实现难例挖掘、失败归因和训练评测闭环。当前，SelectDB 已提供支持 Lance

导读：本文主要介绍 Apache Doris 5.0 针对多模湖仓的核心演进：核心理念：统一检索走向开放湖仓，基于 Doris 构建统一的多模态数据分析平台。开放格式深度集成：对 Iceberg、Paimon、Lance 等主流开放格式进行深度读写集成。多模数据分析增强：对 Variant、Vector、GEO、Blob 等多模数据类型进行深度适配。应用场景：统一实时多模数据分析平台，赋能 Age

日志分析通常包含两类工作：定位问题和分析影响。以一次线上故障为例，工程师首先需要在日志中搜索 "out of memory"、异常码或调用栈，快速定位相关日志；随后，还需要统计错误率、受影响请求数量、P99 延迟等指标，评估故障影响范围。这两类工作看似属于同一个分析流程，但长期以来通常由不同系统完成：Elasticsearch 等搜索引擎负责全文检索，Apache Doris

近日，Apache Doris 官网正式上线 Profile 诊断页面。用户上传 Profile 文件后，即可直观查看查询的逻辑执行计划、物理执行分片，并快速定位耗时节点。同时，系统支持生成从结论、证据链到行动建议的完整 AI 诊断报告。本文将介绍支撑这一 AI 诊断能力的核心机制——Doris Skills 智能诊断体系的设计逻辑与实现路径。一、Profile 排查中的常见误诊在分布式数据库的性

这几年聊实时数仓和 OLAP，Apache Doris 和 StarRocks 几乎是绕不开的一组对比。我自己看过不少关于这两款数据库的选型文章，最大的感受是：很多文章其实是在用几年前的认知讨论今天的产品。有人仍然认为 StarRocks 只适合结构化数据，也有人习惯拿一张 Benchmark 排行榜证明 Doris 或 StarRocks 全面领先。到了 2026 年，我觉得这两种判断都已经不太

作者：程兴源，AI startup 数据闭环架构师、Apache Doris MVP Hero导读：本文结合内容电商 AI 打标真实痛点，深度拆解如何解耦特征（Feature）、决策（Decision）与结果（Result），并基于 Apache Doris 4.x（VARIANT 半结构化 + 混合检索 + 增量物化视图）搭建统一的内容事实库，实现从模型推理到全链路可追溯的数据治理，为上层 AI

一句话摘要：网易云音乐使用 Apache Doris / SelectDB 在日增万亿日志的日志存储与分析场景中，解决了 ClickHouse 运维复杂、不支持倒排索引、并发不足的痛点，关键能力包括倒排索引全文检索、ZSTD 压缩与时序 Compaction、高并发查询与 FE 异步刷盘调优。关键词：Apache Doris · SelectDB · 网易云音乐 · 日志存储分析 · ClickH

一句话摘要：四川航空使用 SelectDB / Apache Doris 在多源数据联邦分析场景中，解决了原 Hadoop + 多查询组件架构组件繁多、并发不足、导入受限的痛点，关键能力包括 Multi-Catalog 湖仓一体、多模型数据建模、Merge-on-Write 高频更新与倒排索引多维检索。关键词：Apache Doris · SelectDB · 四川航空 · 湖仓一体 · 多源数据