SelectDB

Apache Doris vs Trino/Presto

Apache Doris 和 Trino/Presto 均为主流数据湖仓查询引擎，但 Doris 在性能上表现更具优势。Trino/Presto 主要专注于查询加速，而 Doris 不仅能够加速查询，还具备作为独立数据仓库的能力。企业可以利用 Doris 实现数据仓库和湖仓查询引擎的统一，从而简化其数据架构。

精选案例

统一

Apache Doris 实现数据仓库与湖仓查询引擎统一，有效简化企业技术栈

10倍

相较于 Presto/Trino，Doris 内表查询性能最高提升达 10 倍。

2~3倍

作为湖仓引擎，Doris 执行效率较 Presto/Trino快 2-3 倍。

Cisco WebEx 早期使用多个系统（如 Trino、Pinot、Iceberg 和 Kyuubi）构建数据平台，导致架构复杂、数据重复存储、运维困难、资源利用率低和数据时效性差。通过引入 Apache Doris 替换多个技术栈，实现湖仓一体化，显著提高了查询性能和系统稳定性，并降低了 30%的资源成本。

迁移到 Doris 后，整体查询性能得到大幅提升。之前使用 Presto 进行多维分析时，查询时间长达 20-40 秒，而 Doris 将这一时间缩短至 1-2 秒。此外，Doris 的一大优势在于能够自动识别并匹配最优物化视图进行查询，这进一步增强了系统复杂分析的性能。

使用 Trino 和 SparkSQL 时，系统查询延迟普遍维持在分钟级别，存在明显的性能瓶颈。迁移至 Apache Doris后，整体查询性能提升 2 倍以上。通过 Doris 统一架构，有效解决了混合架构下的数据孤岛与资源冗余问题，更加速了实时分析与交互式即席查询响应。

为什么选择 Apache Doris

	Apache Doris	Trino/Presto
系统架构	统一架构: 融合数据仓库与数据湖查询能力	联邦查询: 擅长跨异构数据源查询，但无内置存储层
执行引擎	基于 C++ 实现的全向量化执行引擎，提供高性能数据处理	向量化引擎主要基于 Java 实现，目前作为 Hummingbird 项目的一部分处于开发中
查询优化	提供基于成本的查询优化器（CBO），可优化复杂查询，包括 JOIN、聚合分析、排序等	支持基于成本优化，但统计信息收集机制不完善，需手动全量收集
缓存机制	元数据缓存：具备TTL、自动刷新和增量同步的内存元数据缓存能力数据缓存：通过本地 SSD 热数据缓存减少网络I/O 查询缓存：支持 SQL 缓存与分区缓存	数据缓存：依赖于 Alluxio 等外部缓存方案
物化视图	增量刷新：支持增量刷新和多种数据刷新策略查询透明加速：查询优化器能够自动识别并匹配最优物化视图进行查询	手动刷新：仅支持人工全量刷新
应用场景	高并发实时分析交互式分析	仅支持交互式分析

Apache Doris

系统架构

统一架构: 融合数据仓库与数据湖查询能力
执行引擎

基于 C++ 实现的全向量化执行引擎，提供高性能数据处理
查询优化

提供基于成本的查询优化器（CBO），可优化复杂查询，包括 JOIN、聚合分析、排序等
缓存机制

元数据缓存：具备TTL、自动刷新和增量同步的内存元数据缓存能力
数据缓存：通过本地 SSD 热数据缓存减少网络I/O
查询缓存：支持 SQL 缓存与分区缓存
物化视图

增量刷新：支持增量刷新和多种数据刷新策略
查询透明加速：查询优化器能够自动识别并匹配最优物化视图进行查询
应用场景

高并发实时分析
交互式分析