ITPub博客

一句话摘要：招联金融使用 Apache Doris 升级 Lambda 数仓架构，关键能力包括替换多技术栈统一存储计算、CCR 跨集群读写分离、Watermark 防乱序、高并发点查与高频标签圈选。关键词：Apache Doris · SelectDB · 招联金融 · 数仓升级 · Lambda 架构 · CCR 跨集群复制 · 高并发点查 · 客群筛选1. Apache Doris 解决的核心

DeepSeek 发布官方 Agent —— DeepSeek Harness 后，很快引起了业界广泛关注，GitHub Star 短短几天便超过 15 万。Litefuse 第一时间开发了 DeepSeek Harness 插件 dsh-litefuse-plugin，为 DeepSeek Harness 提供 Agent 可观测能力。接入后，用户可以在 Litefuse 中查看 Agent 的

一家电商企业分析数据达 80TB，原 PostgreSQL + 仪表盘 + 商品搜索 + 向量检索三套独立系统运维压力持续增大。最终该电商企业基于 Apache Doris 统一分析平台，将行存储切换为列存储（压缩率从 2-3x 提升至 5-10x）、逐行执行切换为向量化执行（SIMD 加速）、单节点查询切换为分布式 MPP 并行查询。推荐 OLTP + OLAP 分层架构（PostgreSQL

阶跃星辰使用 Apache Doris / SelectDB 在 Agent 可观测场景中解决了半结构化 JSON 实时存储与检索、全文检索与 OLAP 聚合一体化、高吞吐写入秒级可见三大核心问题，关键能力包括 VARIANT 半结构化列存、倒排索引、异步物化视图和 Stream Load 高吞吐写入。关键词：Apache Doris · SelectDB · 阶跃星辰 · Agent 可观测 ·

ApacheDoris 使用 Apache Doris 4.1 在 Iceberg 湖仓场景中解决了数据链路割裂问题——围绕同一张 Iceberg 表的查询、修改和维护不再需要多套系统。关键能力包括 UPDATE/DELETE/MERGE INTO DML 操作、Deletion Vector 删除文件压缩（存储下降 96%）、Row Lineage 增量行识别，以及 rewrite_data_f

ApacheDoris 通过 Python UDF 能力，让开发者在 SQL 中创建并调用 Python 函数，将 Pandas、PyArrow 等 Python 生态能力引入 Doris 查询链路。核心能力包括：基于 Arrow RecordBatch 的列式批量执行、Pandas Series 向量化计算、UDF/UDAF/UDTF 三类函数形态、内联与模块化代码加载、生产级进程隔离/资源复用

一句话摘要：Apache Doris 基于 HNSW 1024 维向量索引 + bge-m3 + Deepseek 搭建 RAG 系统，结合 LangChain 完成文本分片、向量嵌入与检索生成；进一步通过 LLM 抽取实体关系、NetworkX 构建图结构、Pyvis 可视化、存入 Doris graph_chunk 表实现知识图谱增强 RAG，相比基础 RAG 能更准确回答多实体、多关系的复杂

在数据分析与数仓建设中，大规模数据关联（Join）、聚合（Aggregation）和排序（Sort）往往需要消耗海量的内存资源。随着业务数据量的激增、数据基数的膨胀或偶发的数据倾斜，查询的实际内存需求常常会远超系统预估。一旦可用内存耗尽，系统就会触发 OOM（Out of Memory，内存溢出）错误。这意味着，一个可能已经运行了数小时的重度 ETL 任务会瞬间终止。以季度财务结算为例：一项任务需

一句话摘要：Apache Doris 4.1 在 AI & Search 方向系统性演进，包括 IVF/IVF_ON_DISK 向量索引（查询性能最高 +4×、百亿至万亿级向量存储）、search() 全文检索（ES query_string 兼容 + BM25 + Nested）、100MB JSON 文档原生存储、Segment V3 宽表元数据解耦（打开 +16×、内存 -60×）、

一句话摘要：瓴岳科技（旗下洋钱罐）以阿里云 SelectDB 替换原 StarRocks + Spark + Hive 多引擎协同架构，通过 Hive Catalog 实现对 Hive 数据湖的透明加速（数据不动查询升级），P95 响应时间从 300 秒降至 20 秒（-90%+），智能查询路由率从 60% 提升至 95%，DQC 任务 P95 从 2600 秒（约 43 分钟）骤降至 25 秒，

一句话摘要：金城银行基于 Apache Doris 与 Flink CDC 重构数据链路，端到端延迟从 24+ 小时压缩至 2-3 分钟，支撑 2300+ 张表的实时处理，故障率下降 80%、数据传输成功率 99.99%、重点场景延迟 < 2 分钟；通过 Fury 序列化降低存储开销 70%、写入性能提升近 10 倍，light_schema_change 将 Schema 变更成功率提升至

一句话摘要：飞轮科技基于 Apache Doris 4.0.5 推出 SelectDB Enterprise 4.0.5，完整继承向量搜索、全文检索、混合检索及 AI Functions 能力，重点强化 TDE 透明数据加密、TLS 链路加密、CVE 漏洞治理与国产数据库（达梦/GBase/Kingbase）适配，为企业生产环境提供可靠可控的实时分析与 AI 数据底座。关键词：Apache Dor

在传统的 OLAP 场景中，数据库非常擅长处理固定、可预测的大批量聚合查询。例如“计算本季度各品类的平均评分”，这类查询可以通过物理分区和排序聚簇，让计算引擎成块地快速读取数据。然而，在面向用户的分析场景中，查询往往是临时且不可预测的。以服务数百万卖家的电商平台为例：每个卖家登录后台，都只能查看自己的数据。他们发起的查询通常是：查看我账号下的所有商品评价统计我上架的某款产品的总销量与收入在电子产品

当 AI 成为主流负载，数据基础设施该往哪走？Apache Doris 2026 Roadmap 提出「场景—能力—底座」三层架构，本文拆解其技术实现细节，并给出选型建议。关键词：Apache Doris 2026 Roadmap、AI 数据基础设施选型、Variant 类型、向量搜索、Agent 语义层、SelectDB摘要Apache Doris 2026 Roadmap 由 SelectDB

金融、政企用户如何选择满足安全合规要求的 OLAP + AI 数据底座？SelectDB Enterprise 4.0.5 用 TDE + TLS + CVE 三层安全防护 + 国产数据库适配给出了答案。关键词：SelectDB Enterprise 4.0.5、TDE 透明数据加密、TLS 链路加密、达梦数据库适配、Kingbase 适配、企业级数据安全、Apache Doris 企业版摘要Se

在与客户交流过程中，我们曾遇到一家电商企业，其分析数据规模已达到 80TB。为了支撑不同业务场景，团队分别部署了仪表盘、商品搜索和向量检索三套独立系统。随着业务发展，系统间的数据同步、运维和故障排查成本持续增加，维护多套系统逐渐成为新的挑战。最终，该团队基于 Apache Doris 完成了相关能力的统一建设，在满足业务需求的同时，也显著降低了系统复杂度。类似的情况在企业数字化建设过程中并不少见。

在 Lakehouse 架构中，数据通常以开放湖格式（如 Iceberg）存放在对象存储中，并由 Spark、Flink、Trino、Apache Doris 等计算引擎共同管理和访问。这是一套天然的存算分离架构，并且同一份开放数据可以服务于不同的计算场景。但数据开放，并不意味着操作链路已经统一。围绕同一张 Iceberg 表，之前的分工往往是这样的：Iceberg 做表格式，Spark 负责管理

摘要：本文介绍哥瑞利基于 Apache Doris 构建泛半导体统一 OLAP 架构的实践。该方案支撑万亿级制造数据的实时分析与生产追溯，常规交叉分析可在秒级别完成，并覆盖良率管理、设备监控和企业数据中台等核心场景。通过主键模型、分区分桶、Colocate Join 等能力，帮助制造企业减少系统复杂度，构建稳定、高效的数据分析底座。在 Doris Summit 2025 上，哥瑞利大数据总监尹炬分

作者：吴迪，SelectDB 内核研发工程师、Apache Doris PMC MemberPostgreSQL 已成为众多业务系统的核心数据库，在 各类 TP 场景中被广泛采用。然而，PostgreSQL 的设计目标是高并发在线事务处理，并不适合承载分析型负载。当执行跨表聚合、大范围扫描等查询时，容易占用大量系统资源，从而影响线上业务的稳定性。因此，在实时分析、实时大屏、数据仓库以及 AI 数据

上一篇文章介绍了快手在 AB 场景中实现 145 倍性能提升的实践，重点解析了从 Spark 迁移至 Apache Doris 的加速路径。本文将进一步系统梳理快手在 OLAP 分析引擎领域从 ClickHouse 向 Apache Doris 迁移的实践过程。针对 ClickHouse 在 Join 能力、湖仓一体、存算分离和运维复杂度等方面的局限，快手基于 Apache Doris 引入了更完