共 58 篇
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。
当 PostgreSQL 面临性能瓶颈：80TB 电商业务迁移至 Apache Doris 的实践思考
本文结合 80TB 电商分析案例，探讨 PostgreSQL 性能瓶颈以及迁移至 Apache Doris 的架构演进路径。
从 Oracle、Hadoop 到 Apache Doris：哥瑞利泛半导体智能制造数据平台实践
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
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。
美团数十 PB 规模 Apache Doris 实践：从统一 OLAP 到 AI-Native 数据基座
美团 OLAP 平台完成了从多引擎并存，到基于 Apache Doris 构建统一分析引擎，再到大规模集群治理、无感升级和 AI 场景演进的建设过程
快手 AB 场景提速 145 倍，从 Spark 到 Apache Doris 的加速实践
快手 AB 指标生产场景从 Spark 切换到 Doris 提速 145 倍、资源消耗下降 72%，并刷新了 Doris 单机群最大规模：2000 节点、10 万核。本文介绍快手数据平台团队为什么选择 Apache Doris 构建 AB 实验平台，针对 AB 指标生产场景进行了哪些落地过程中的存储、计算、调度、稳定性等方面优化。快手的干货分享，对需要构建 AB 实验平台的团队有很大的参考价值。
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。
从分析引擎到 Context Engine：重写 AI Agent 时代的实时分析边界
当企业级 Agent 步入生产环境，懂语义却查不对业务事实成了落地的最大痛点。为了拼凑完整的上下文，许多团队被迫进行多库拼接，导致推理链路极度割裂。既然纯向量检索撑不起复杂的混合查询，Agent 真正缺失的底层数据入口究竟在哪里？
Agent 应用范式下，企业数据基础设施如何演进？
当Agent成为新的应用模式时，企业的数据基础设施需要发生哪些改变？实时分析引擎在其中承担什么角色？
时间序列近邻关联性能实测：Doris ASOF JOIN 领先 ClickHouse、DuckDB
Doris 在 4.0.5 和 4.1.0 版本引入的 ASOF JOIN，把时间序列近邻关联做成一个能在大规模、多分布、复杂业务形态下稳定运行的分析路径。从测试结果来看，Doris 在主流场景下取得了全面的性能领先。
PostgreSQL + Apache Doris：构建用于实时分析的 HTAP 架构
PostgreSQL/MySQL 等 OLTP 数据库是事务处理的标准，但面对实时分析却显吃力。将 PostgreSQL 与 Apache Doris 结合，构建混合事务/分析处理（HTAP）架构：让 PostgreSQL 专注于事务处理， Apache Doris 负责分析任务，查询速度更快、事务性能稳定，且存储成本更低。