共 340 篇
快手 AB 场景提速 145 倍，从 Spark 到 Apache Doris 的加速实践
快手 AB 指标生产场景从 Spark 切换到 Doris 提速 145 倍、资源消耗下降 72%，并刷新了 Doris 单机群最大规模：2000 节点、10 万核。本文介绍快手数据平台团队为什么选择 Apache Doris 构建 AB 实验平台，针对 AB 指标生产场景进行了哪些落地过程中的存储、计算、调度、稳定性等方面优化。快手的干货分享，对需要构建 AB 实验平台的团队有很大的参考价值。
Apache Doris Python UDF：让 SQL 直接调用 Python 生态，支撑 Agent 时代复杂业务逻辑
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。
阶跃星辰基于 SelectDB 构建 PB 级 Agent 可观测平台
基于 SelectDB 作为 Agent 可观测平台 StepTrace 的数据底座，获得 Agent Trace 实时写入、全文检索、成本和延迟分析等方面的优势，并在 SWE-Agent 代码评测与智能座舱两个真实场景中落地
途虎养车基于 Apache Doris 构建统一 OLAP 数据底座，支撑用户画像与 BI 多维分析
从 Hive、HBase、MySQL、Trino 多系统接力，到基于 Apache Doris 的统一 OLAP 架构，途虎养车实现用户画像、圈选分析、BI 报表和即席分析的一体化承载。
Litefuse 开源并推出单进程轻量模式，25 秒就能跑起来的 Agent 可观测与评估平台
Litefuse 正式开源，并推出业界第一个极致轻量的单机单进程模式
秒级弹性、最高降本 70%：SelectDB Serverless 如何重塑云数仓资源效率
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。
2026 SelectDB AI 产品发布会：Agent Native 数据基础设施能力全景发布
“只有解决好极速、统一、Agent Native 与 Cloud 弹性四个挑战，才能成为 Agent 时代最好的分析引擎。”
Agentic Analytics 时代，AI Agent 真正需要怎样的数据基座？
Agentic Analytics 的瓶颈往往不只在模型，而在数据基础设施。SelectDB / Apache Doris 通过实时分析引擎、湖仓一体联邦查询、语义建模能力与 MCP 接口，为 AI Agent 提供更快、更广、更可理解的数据访问能力。
从 Machine-Readable 到 Agent-Ready：面向智能体的数据库接口演进
工具链对 AI 的友好程度，直接决定了企业智能化运维（AIOps）的效能边界与安全底线。SelectDB 在结合 Apache Doris 内核特性以及云原生管控上的前沿探索，正是为了帮助企业将专家的隐性经验转化为可执行的数字资产，推动数据基础设施稳健地迈入 Agent 原生时代
从分析引擎到 Context Engine：重写 AI Agent 时代的实时分析边界
当企业级 Agent 步入生产环境，懂语义却查不对业务事实成了落地的最大痛点。为了拼凑完整的上下文，许多团队被迫进行多库拼接，导致推理链路极度割裂。既然纯向量检索撑不起复杂的混合查询，Agent 真正缺失的底层数据入口究竟在哪里？
97% 召回率、900 QPS：Apache Doris 4.1 生产级向量检索的工程实践
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
Agent 时代，为什么传统的可观测方案不适用了？
过去十几年，软件可观测性核心回答的问题是：系统有没有正常运行？
而在 Agent 时代，更紧迫的问题变成了：在系统正常运行的同时，任务真的做对了吗？Agent 时代的可观测方案应该是什么样子的呢？