共 58 篇
OLAP 无需事务？Apache Doris 如何让实时分析兼具事务保障
OLAP 无需事务？Apache Doris 为实时分析注入强一致保障，让数据流转更准确、完整、可靠。
Apache Doris + SelectDB：定义 AI 时代，实时分析的三大范式
AI 时代，实时分析已是企业数字经济中生存与成功的必需品。AI 究竟能跑多快、多准，这取决于它能多快、多准地获取实时数据。
在此背景下，究竟该如何定义“实时分析”？
构建 AI 数据基座：思必驰基于 Apache Doris 的海量多模态数据集管理实践
面对海量多模态数据管理困境，思必驰通过构建以 Apache Doris 为核心的数据集平台，实现了数据从“散、乱、滞”到“统、明、畅”的转变。在关键场景中，存储占用下降 80%、查询 QPS 提升至 3w，不仅实现可量化的效率提升和成本优化，更系统化地提升了 AI 研发效率与模型质量。
5 倍性能提升，Apache Doris TopN 全局优化详解｜Deep Dive
Apache Doris 针对 TopN 类型查询进行了全局优化，可将此类查询的性能提升约 5 倍；同时，优化范围也从单表进一步拓展至数据湖场景与多表关联查询，显著扩大了适用范围。
较 Trino 省 67% 成本，速度快 10 倍，中通快递基于 SelectDB 的湖仓分析架构
中通快递基于 SelectDB 构建了湖仓分析架构，补齐 OLAP 分析能力。在离线场景中，实现 2000+ QPS 并发点查；在实时场景中，仅以 1/3 原集群机器数量覆盖所有业务，90% 分析任务从 10 分钟缩短至 1 分钟内，投入产出比大幅提升。
Apache Doris 实时更新全解：从设计原理到最佳实践｜Deep Dive
本文系统阐述 Apache Doris 数据更新能力，涵盖核心原理、多样的更新与删除方式、典型的应用场景，以及不同部署模式下的的性能最佳实践。
Apache Doris 在小米统一 OLAP 和湖仓一体的实践
本文将详细介绍小米数据中台基于 Apache Doris 3.0 的查询链路优化、性能提升、资源管理、自动化运维、可观测等一系列应用实践。
深入理解 Doris Variant：如何让 JSON 查询性能追平列存，还能承载万列索引字段？｜Deep Dive
在如 Snowflake、ElasticSearch、ClickHouse.... 等传统系统中，对于 JSON 的处理往往面临灵活性及性能无法兼得的困境，而 Apache Doris 的 VARIANT 类型，通过动态子列、稀疏列存储、延迟物化和路径索引等能力，实现了灵活结构 + 列存性能的平衡。本文将对该能力的实现一一讲解，全面展示其优势。
冷查第一，再登榜首！Apache Doris 3.1 全面刷新 JSONBench 性能纪录
Apache Doris 3.1 版本，在最新的 JSONBench 获得在冷查性能第一的优异成绩，超越 ClickHouse、Elasticsearch 等同类数据库，综合性能全面领先！
Apache Doris 4.0 版本正式发布：全面升级 AI 与搜索能力，强化离线计算
Apache Doris 4.0 版本正式发布，欢迎下载体验。本次发布围绕 “AI 驱动、搜索增强、离线提效” 三大核心方向，新增向量索引、AI 函数等关键特性，完善搜索功能矩阵，优化离线计算稳定性与资源利用率，并通过多项底层改进提升查询性能与数据质量，为用户构建更高效、更灵活的企业级数据分析平台。
Apache Doris 数据导入原理与性能优化 | Deep Dive
本文将深入剖析 Doris 数据导入的核心原理，涵盖关键流程、组件、事务管理等，探讨影响导入性能的因素，并提供实用的优化方法和最佳实践，有助于用户选择合适的导入策略，优化导入性能。
Apache Doris 中的 Data Trait：性能提速 2 倍的秘密武器
Apache Doris 作为一款高性能的 MPP 分析型数据库，其优化器内置的 Data Trait 分析机制，通过挖掘数据内在的统计特征和语义约束，为查询优化提供了基础设施。让我们一起来探索这个强大的功能！