共 98 篇
当 Variant 遇到 Lakehouse：Apache Doris 5.0 Variant 统一解决方案
Apache Doris 5.0 把 Variant 类型从内表扩展到了 Iceberg / Paimon 等开放湖格式，使用同一种 VARIANT 类型、同一套 SQL、同一个执行引擎，即可处理不同格式的 Variant 数据。
Apache Doris+ Paimon 2.0：构建 Agentic AI 数据闭环
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
Apache Doris + Lance：让多模态数据真正进入智能驾驶与具身智能的分析闭环
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。
15 分钟搭建 PostgreSQL + Apache Iceberg + Apache Doris 的湖仓分析平台
搭建一条 CDC 实时数据同步链路，往往意味着要部署 Kafka、Debezium 等额外组件。有没有更轻量、更易运维的方案？
本文将演示如何利用开源数据复制引擎 OLake，结合 Apache Iceberg 开放表格式与 Apache Doris 极速查询引擎，在 15 分钟内搭建一条端到端可运行的实时湖仓链路。
Apache Doris 4.1 Spill to Disk：避免运行内存密集型查询发生 OOM
Apache Doris 4.1 的 Spill to Disk 是一套深度融合了内存预留、智能调度、压力感知的现代化查询生命周期管理机制。对于重度数据分析用户而言，提供了一种在有限硬件资源下，安全、可靠进行超大规模分析任务的绝对保障。
Apache Doris 倒排索引工作原理：全文检索提速 59 倍，点查提速 14 倍
我们基于开源分析型数据库 Apache Doris，针对包含 1.35 亿条数据的亚马逊评论数据集进行了 50 高并发测试。结果表明：引入内置倒排索引后，全文检索性能提升 59 倍，商品查找提速 14 倍，多维组合查询提速 10 倍。
Apache Doris 4.1 全面增强 Iceberg：支持 UPDATE、MERGE INTO 与 Iceberg V3
在已有查询能力的基础上，Doris 进一步支持了 UPDATE、DELETE、MERGE INTO 等数据修改操作、完整的表结构管理与分区演进，以及 rewrite_data_files、expire_snapshots 等日常维护操作，并完整支持 Iceberg V3 格式。
PostgreSQL 实时同步到 Apache Doris：一站式 CDC 解决方案
该方案将数据采集、任务调度、数据写入、断点续传等能力统一集成到 Doris Job 调度框架中，无需部署额外的 CDC 工具、消息队列或计算引擎。
宽表元数据膨胀怎么解？Doris Segment V3 对比 Parquet、Lance
要让查询真正只为目标列付出元数据成本，思路无非有三种：让 Footer 更容易定位，把重型列元数据搬出 Footer，或者直接删掉其中不必要的内容。Parquet、Lance 和 Doris 的差别，主要在于三种方法的取舍，以及它们能改动到什么程度。
Agent 场景动态 JSON 性能拆解：Apache Doris 比 ClickHouse 快 7 倍、比 Elasticsearch 快 2 倍
为什么同样都支持 JSON，不同数据库在 Agent 日志场景下的性能差异会如此明显？
Apache Doris 在 AgentLogsBench 中领先，支撑 Agent 可观测性生产负载
Agent 可观测性需要一种能够统一承载多种访问模式的新型系统能力
Apache Doris Python UDF：让 SQL 直接调用 Python 生态，支撑 Agent 时代复杂业务逻辑
Doris Python UDF 提供的不只是一个函数扩展机制，而是一条连接 Doris 高性能分析能力与 Python 生态的通道。