共 50 篇
PB 级自动驾驶数据秒级检索：Apache Doris 统一多模态数据平台实践
这些经验的适用范围远不止自动驾驶。任何面临多模态数据规模化管理挑战的行业：智慧城市、工业质检、内容推荐，以及日益兴起的 AI Agent 基础设施都面临同样的架构抉择。以 Apache Doris 为代表的统一实时分析平台，提供了一条经过生产验证的可行路径。
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。
强行拍平？全表扫描？ AI Agent 动态 JSON 的观测分析
如何保留 JSON 灵活性的同时，获得列式存储的查询性能?
AI Agent 时代，万列级宽 JSON 的性能与成本如何平衡？｜Apache Doris 4.1
Apache Doris 4.1 通过 Doc Mode + Segment V3，在写入、查询与存储成本之间取得较好平衡，综合性价比优于 Clickhouse、PostgreSQL 等典型方案。
Apache Doris 4.1：面向 AI + Search 的统一数据存储与检索底座
Apache Doris 4.1 正式发布！全面进化，拥抱 AI 时代，逐步构建 AI 数据处理的完整闭环。
从 T+1 到分钟级：金城银行基于 Apache Doris 构建高可靠、强一致的实时数据平台
金城银行引入 Apache Doris + Flink CDC 重构数据链路，实现从离线到准实时分析的跃迁。典型业务存储成本降低约 70%，查询延迟稳定在 10ms；故障率下降约 80%，传输成功率达 99.99%！
AI 成为主流负载后，数据基础设施将如何演进？｜Apache Doris 2026 Roadmap
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。数据形态正在从结构化走向 JSON、向量与多模态，数据使用方式也从面向人扩展到面向 Agent 。数据库面对的，不再是单一分析负载，而是分析、检索与 AI Agent 并存的复合负载。Apache Doris 在 2026 年的规划，核心不再只是提升分析性能，而是响应 AI 时代数据基础设施的根本变化。
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”？
Apache Doris 4.0.3 版本正式发布
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！
飞轮科技 2025：AI-Ready 与稳步规模化
新一年，SelectDB 将继续聚焦实时极速、融合 AI 智能，以更坚实的产品与更开放的生态，持续赋能千行百业。
驾驭 CPU 与编译器：Apache Doris 实现极致性能的底层逻辑｜Deep Dive
本文深入解析 Apache Doris 如何通过向量化执行、模板化编译、多线程内存分配与 Pipeline 调度引擎等底层核心技术，实现对 CPU 与编译器潜力的极致利用，将硬件算力持续转化为用户场景下的实际吞吐与低延迟。
从 Greenplum 到 Doris：集群缩减 2/3、年省数百万，度小满构建超大规模数据分析平台经验
度小满引入 Apache Doris 替换原有 Greenplum，实现整体查询效率提升 82%，与此同时，集群缩减 2/3、年省数百万的巨大效益。本文将分享度小满如何基于 Doris 从0 到 1 构建超大规模数据分析平台，并围绕平滑迁移、异地多活容灾等方面，分享实践经验。