Apache Doris（原名：Palo）是一個高性能、實時的MPP分析型數據庫，非常適合海量數據的即席查詢、報表分析、指標統計等 OLAP 場景。Doris 的設計目標是：極致查詢性能、簡單易用、支持高并發分析和明細查詢。

---

一、Doris 核心特點

特性	說明
MPP 架構	支持大規模分布式并行計算，橫向擴展能力強
列式存儲	支持高壓縮比，聚合類查詢性能優異
高并發、低延遲查詢	支持上萬并發，秒級查詢響應
極簡架構、易部署	無需依賴 HDFS 或 YARN，單機即可運行
向量化執行引擎	支持 SIMD 加速，提高 CPU 使用效率
支持實時更新	支持流式數據導入（Kafka、Flume、Routine Load）
MySQL 協議兼容	無縫對接 BI 工具、JDBC 直連、可視化友好
完備的多維建模能力	支持寬表、星型/雪花建模

---

二、Doris 架構組成

                    +--------------------+|    FE（Frontend）  ||   元數據管理/調度   |+--------------------+|+---------------------+----------------------+|                    |                      |
+-------------+     +-------------+        +-------------+
|    BE-1     |     |    BE-2     |  ...   |    BE-n     |
| Backend 節點|     | 存儲 + 計算 |        |             |
+-------------+     +-------------+        +-------------+- FE: 管理元數據、查詢計劃、調度
- BE: 實際執行查詢、存儲數據

---

三、數據導入方式

模式	場景	說明
Broker Load	離線批量導入	支持從 HDFS/OSS/OBS 加載
Stream Load	實時小批量	支持 HTTP 方式上傳文件
Routine Load	實時流式導入	支持 Kafka 實時導入
Insert Into	手動插入	支持 SQL insert
DataX / Flink-Doris-Connector	集成方案	與離線/流處理框架結合

---

四、表模型類型

類型	適合場景	特點
Duplicate Key	明細表	所有數據原樣存儲，無聚合
Aggregate Key	指標匯總	支持聚合函數，如 SUM、MAX
Unique Key	明細去重	主鍵唯一，支持更新
Primary Key（新版）	事務語義更強	更好支持 UPSERT 更新操作

---

五、典型查詢性能對比（以 1 億行數據為例）

查詢類型	Doris 耗時	傳統 MySQL 耗時
條件聚合（SUM）	0.2s	10s+
分組聚合（GROUP BY）	0.3s	15s+
高并發（上萬請求）	支持	容易 OOM
多維分析	支持	多表 JOIN 效率低

---

六、使用場景

類型	描述
實時 BI 報表分析	高并發、多維聚合統計
用戶行為分析	埋點日志分析、路徑追蹤
運維/日志監控	秒級日志聚合、異常定位
指標平臺建設	PV/UV、DAU、留存率分析
數據中臺查詢引擎	明細 + 匯總兼顧，替代傳統 Hive
IoT 時序數據分析	實時指標計算、大規模聚合

---

七、與 ClickHouse 對比

特性	Doris	ClickHouse
架構復雜度	簡單（無依賴）	中等
實時導入	強（Kafka Routine Load）	弱（寫入延遲大）
更新能力	支持更新/刪除（Primary Key）	不支持
查詢性能	優異	優異（復雜 SQL 更好）
MySQL 兼容	完全兼容	部分支持
使用門檻	低	中等偏高
社區活躍度	Apache 頂級項目	商業公司主導

---

八、生態集成

工具/平臺	是否兼容
BI 工具（如 Superset、FineBI）	?
Flink / Kafka / DataX	?
Grafana（SQL 數據源）	?
Spark / Hive 數據打通	?
Java 應用（JDBC）	?

---

九、簡單示例：建表 + 查詢

-- 建表
CREATE TABLE user_behavior (user_id BIGINT,event_type VARCHAR(20),event_time DATETIME
)
ENGINE=OLAP
DUPLICATE KEY(user_id, event_time)
DISTRIBUTED BY HASH(user_id) BUCKETS 10
PROPERTIES("replication_num" = "1");-- 插入
INSERT INTO user_behavior VALUES (1001, 'click', '2024-05-10 10:00:00');-- 查詢
SELECT event_type, COUNT(*) FROM user_behavior GROUP BY event_type;

---

十、適合 Doris 的技術選型建議

場景	選型建議
實時明細查詢 + BI 報表	? Doris
多維指標統計 + 秒級響應	? Doris
離線大數據批處理	? 推薦 Hive/Trino
實時流計算 + 明細查詢	? Doris + Flink
實時埋點行為分析	? Doris or ClickHouse