博客

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。

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。

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。

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。

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？

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

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。

阿里云 SelectDB Serverless 可实现资源按需供给与按使用量计费，在负载高峰时补齐资源，在低谷时释放资源。

针对大模型应用中专用向量库成本高、混合查询难的痛点，本文深入拆解 Apache Doris 4.1 原生向量检索的工程实践。从 IVF 算法降本、存储分层，到突破性能瓶颈的 ANN Index Only Scan，系统化解决 AI 时代的海量数据存算难题。在大幅压低内存开销的同时，跑出了 900 QPS 与 97% 召回率的亮眼成绩

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。