博客

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。

在 Data x AI 专题峰会上，飞轮科技围绕 AI 原生应用快速发展背景下，企业数据分析底座如何升级，分享了 SelectDB 的技术洞察、产品能力与行业实践。

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。

随着门店数年增超 50%，原有分析架构面临负载干扰、资源浪费、成本高企等多重挑战。通过与阿里云数据库 SelectDB 版深度合作，采用 Serverless 云原生架构，实现异常响应效率提升 95%、算力成本降低 35% 显著成效。

中通快递依托 SelectDB 在高频实时更新与倒排索引，支撑了日增 6 亿、总量 45 亿、200 + 列的超大规模运单多维实时分析需求，实现了超大规模数据的实时整合、低延迟查询与精细化资源管控。

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。

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 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。

PostgreSQL/MySQL 等 OLTP 数据库是事务处理的标准，但面对实时分析却显吃力。将 PostgreSQL 与 Apache Doris 结合，构建混合事务/分析处理（HTAP）架构：让 PostgreSQL 专注于事务处理， Apache Doris 负责分析任务，查询速度更快、事务性能稳定，且存储成本更低。

OLAP 无需事务？Apache Doris 为实时分析注入强一致保障，让数据流转更准确、完整、可靠。

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”？