企业在数据驱动的道路上，始终面临一对核心矛盾：既需要低成本、可扩展的存储方案来承载海量结构化、半结构化乃至非结构化数据（这正是数据湖的强项），又渴望实时、低延迟的分析能力来支撑业务决策（这是分析型数据库的核心优势）。

在实时分析领域，Apache Doris 已经成为一款被广泛采用的开源 OLAP 数据库。凭借高性能查询引擎与一体化架构，Doris 在实时数仓、日志分析等场景中持续发挥重要作用，并在近几个版本中不断向 AI 与搜索能力演进。

摘要：瓴岳科技原数据平台基于 Hive 与 StarRocks、Spark 多引擎协同架构，随着数据规模增长，在性能与易用性上逐渐面临瓶颈。通过引入阿里云 SelectDB，构建湖仓一体化探索分析平台，在无需迁移数据的前提下实现对 Hive 数据湖的透明加速，显著提升查询性能并简化架构，完成从多引擎协同向统一分析平台的升级。

但进入 2026 年，这个问题正在被重新定义。随着 AI 应用的爆发式增长，数据系统不再只是分析工具，而逐渐成为 智能系统的一部分。数据不再只是被查询，而是被 Agent 调用、被模型理解、被系统实时消费。

摘要：丰巢日志平台从 ELK 升级至 Apache Doris，旨在构建统一、高效的可观测性底座。新架构解决了原系统在写入、存储和查询上的瓶颈：存储成本降低 50%，写入性能提升 2 倍，查询速度提升 6 倍。为未来统一可观测性平台的建设奠定了技术基础。

在快递行业，运单数据贯穿业务全流程，每一单的流转状态、时效分析、异常监控，都离不开实时数据的支撑。作为行业领军企业，中通快递每天新增的运单数据超过 6 亿条（80% 为更新操作），总数据量高达 45 亿条，单表字段超过 200 个——这是一个超大规模、超高维度的实时分析场景。

摘要：Apache Doris 4.0 作为一个重要里程碑正式发布，引入了原生向量检索、AI 函数以及全新的混合检索与分析处理（HSAP）架构。此后，社区通过 4.0.1 至 4.0.4 四个版本快速演进，本文总结了这四个版本中引入的关键新特性。

导读：AI 时代日志量巨大，传统用 Elasticsearch 做搜索、ClickHouse 做分析的两套系统成本高且复杂。SelectDB（基于 Apache Doris 内核研发的商业化产品） 通过内置 search() 函数，在同一个引擎内融合全文检索与 SQL 分析，实现一份数据同时支持搜索和分析，大幅简化架构、提升查询性能。

像 PostgreSQL 和 MySQL 这样的 OLTP（在线事务处理）数据库，凭借其强一致性和高并发事务处理能力，已成为行业标准。为应对更大规模的工作负载，许多团队还会引入分库分表方案，将数据分布到多个实例和表中，以此突破单节点瓶颈。然而，这种对事务行之有效的方案，在实时分析需求（实时运营仪表盘、多维业务报告、用户...

引言：Apache Doris 通过内置的轻量级强一致事务机制，解决了实时分析中数据重复与中间状态可见等挑战。支持 READ COMMITTED 隔离级别，通过 Label 机制确保数据不重不丢，并为复杂 ELT 提供原子性保障。Doris 打破了“OLAP 无需事务”的认知，是业界少数能同时实现实时、高性能与强一致性的分析引擎。

我们正处在一个数据与智能深度耦合的时代。当生成式 AI 重构着人机交互的边界，当大模型开始渗透每一个业务环节，一个根本性问题浮出水面：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。

导读：易车引入 Apache Doris 取得以下核心成果：替换 Druid、Kudu、ClickHouse 等近 10 种数据引擎构建 Apache Doris + Paimon + Hive 湖仓架构探索 Doris + AI（ChatBI、Data Agent）融合应用覆盖实时多维分析、用户画像、BI 报表等核心场景

OpenClaw 成为风靡全球的 AI Agent 同时，它的安全性和 AI Agent 通用的不确定性等问题也引发人们的广泛关注。基于 SelectDB 或 Apache Doris 的 AI Observe Stack 可以为 OpenClaw 提供可观测性，让 AI Agent 的每一个行为清晰可见、安全问题可被洞察，让你看清它的每一个 “脑回路”。本文基于 AI Observe Stack 构建的 ...

在过去一年，大模型能力的飞跃与推理成本的降低，使得 AI 不再是远期的概念，而成为企业当下必须拥抱的变革。几乎每一家企业都在积极探讨 AI、规划 AI 项目，寻找技术赋能业务的真实路径。在此背景下，Apache Doris 4.0 围绕 AI，系统性地引入并完善了一系列核心能力：半结构化数据分析能力（Variant）：轻松处理 JSON、...

亲爱的社区小伙伴们，Apache Doris 4.0.3 版本已正式发布。此版本新增了在 AI & Search、湖仓一体、查询引擎等方面的能力，并同步进行了多项优化改进及问题修复，欢迎下载体验！

在可观测性场景中，Elasticsearch 常受限于写入性能与高昂成本。在《可观测性方案怎么选？SelectDB vs Elasticsearch vs ClickHouse》一文中提到， 在云上日志服务中，SelectDB 相比 Elasticsearch 展现出明显的性能和成本优势。为进一步探索，本文通过基准测试对比二者表现，验证 SelectDB 在日志场景下性能与成本上的...

导读：面对万亿级广告数据存量、日均 3 亿行增量及数千个复杂查询模板的挑战，快手广告数据平台如何突破性能瓶颈、实现架构统一与体验跃升？本文系统介绍了快手广告团队从 ClickHouse on ES 混合架构，全面迁移至 Apache Doris 的统一分析实践，最终实现查询性能提升 20～90%，写入吞吐提升 3 倍，存储效率提升 60%。

MiniMax 全球领先的通用人工智能科技公司。旗下主要有 MiniMax M2.1、Hailuo 2.3、Speech 2.6 和 Music 2.0 等大模型，MiniMax Agent、海螺 AI、星野、Talkie 等产品，以及为企业客户与开发者提供 API 服务的 MiniMax 开放平台。截至目前，MiniMax 已有超过 200 个国家及地区的逾 2.12 亿名个人用户以及超过 100 个国家...

导读：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。

随着大模型和多模态 AI 的快速发展，向量已成为文本、图像、音视频等多元数据的通用语义表示。在这种背景下，检索增强生成（RAG）技术成为连接私有知识与大模型的核心桥梁，而高效的向量检索则是其关键支柱。

过去 10 年，数据分析基准的成绩已经提升了数十倍。这种性能的提升造就了商业世界中更大的可能——从特定维度的 MOLAP 分析和周期报表，到随时随地从任意维度分析中发掘新范式的 Ad-hoc 查询，直到现在基于 Agent 派生出的复杂查询、高并发 + 高性能需求。基于日益实时、智能的 OLAP 引擎，企业的数据资产正在产生更大的价...

度小满金融（原百度金融）作为一家覆盖现代财富管理、支付、金融科技等多板块的科技公司，数据的分析处理对其极为重要，已经深度融入业务生命周期的每个环节，是进行风险控制、商业决策、用户体验优化及运营提效的基石。

在日常的数据分析和业务报表中，TopN 查询几乎无处不在：无论是寻找销量最高的前十件商品，还是筛选访问量最多的前几条日志，开发者和数据分析师都在频繁处理“前 N 条数据”。然而，当表的列数达到百余或更多时，一个看似简单的 SELECT \* … ORDER BY … LIMIT N 查询，背后可能隐藏着巨大的性能瓶颈。尽管我们只关心某一...

“统一”是 Apache Doris 长期以来秉持的设计理念之一。在这一理念指引下，构建完善的 Catalog 生态是实现异构数据源统一查询分析的关键。目前，Doris 已支持 Iceberg、Paimon、Hudi 等数据湖 Catalog，以及 JDBC Catalog，用户无需迁移数据，即可对不同数据湖和传统数据库进行联邦查询分析。

天翼云是中国电信旗下一家科技型、平台型、服务型公司，以“云网融合、安全可信、绿色低碳、生态开放”四大优势，为客户提供公有云、私有云、专属云、混合云、边缘云全栈云服务。天翼云在 Apache Doris 上的应用规模庞大，已在生产环境中落地超 30 个项目，覆盖广泛的业务场景，展现出大规模、多类型场景并行运行的特征。

亲爱的社区小伙伴们，Apache Doris 4.0.2 版本已正式发布。此版本新增了在 AI & Search、函数、物化视图、Lakehouse 等方面的功能，并同步进行了多项优化改进及问题修复，欢迎下载体验！

AI 时代正在重塑数据库的角色。过去，数据库主要为人类分析者提供报表与查询能力；而现在，越来越多的查询来自智能代理（Agent），它们会自动检索知识、过滤数据、组合多种信号，并将数据库作为“实时信息源”支撑推理与决策。

导读：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。

数据价值的不断升级，是过去三十年来数据库演进的核心驱动力。而 AI 的崛起，将这一需求推向新的高度：数据不仅要能被“看”到，更要能被“理解”和“创造”——这一点已在基于大语言模型（LLM）为核心的代码生成、智能对话等应用中得以验证。

在当前银行业务全面线上化、实时化的驱动下，浙江省头部城商行亟需构建一个能够同时承载海量数据加工与高并发实时查询的数据平台，以支撑精准营销、实时风控和智能决策等关键业务。