Apache Doris 调研：百度出身的 Apache 顶级 MPP 数仓，4.0 AI-Ready 让 OLAP 跟大模型原生打通

百度 Palo 出身 · Apache 顶级项目 · Apache 2.0 · 亚秒级查询 · 4.0 加向量索引 / 全文检索 / MCP——国产 OLAP 引擎的扛把子，2025 年社区合并 9,000+ PR、200+ 贡献者。

写在前面

国产 OLAP 这条赛道卷到飞起：ClickHouse 性能极致、StarRocks 重写突围、Doris 老牌稳定。三个名字每个背后都有几百亿美元估值的云厂商在押注。

但很多人不知道 Apache Doris 是这三个里 ” 出道最早、生态最厚、唯一 Apache 顶级项目 ” 的国产 MPP 数仓：

• 前身是 百度内部 Palo（2008 年开始研发）
• 2018 年进 Apache 孵化器
• 2022 年成为 Apache 顶级项目（与 Kafka / Spark / Airflow 同级）
• 现在主要由 飞轮科技（SelectDB）主导商业化维护
• 2025 年发布 4.0 AI-Ready 版本 ——加 向量索引（Vector Search）+ BM25 全文检索 + MCP Server

老板的题目原文是 ” 调研开源数仓 poris”——poris 在主流开源数仓目录里 没有匹配项 。按音近 + 国产 OLAP 主线 + 真数仓三重线索， 推断是 Apache Doris（同音异写）。如果实际想看的是 Apache Polaris Catalog（元数据层），可以在评论区告诉我 pivot。

一、它解决什么问题

一句话卖点 ：百度出身的 Apache 顶级 MPP（大规模并行处理） 分析型数据库， 亚秒级响应 同时支持 高并发点查询 和高吞吐复杂分析——一个引擎干 ClickHouse + StarRocks + Elasticsearch 三个的活。

基本信息

关键信号 ：Doris 是国产 OLAP 里 唯一 Apache 顶级项目——意味着版权清晰、治理规范、不会因为公司变动消失。ClickHouse（Apache 2.0 但 Yandex 控制）/ StarRocks（Elastic License + 鼎石科技商业）都比不上。

二、Doris 的核心架构（FE + BE）

Doris 的架构跟 StarRocks 几乎一样（因为 StarRocks 早期是 Doris 分支），但 Doris 是原版：

┌─────────────────────────────────────┐
│   MySQL Protocol / HTTP API / Arrow Flight │
└──────────────┬──────────────────────┘
               │
   ┌───────────┴───────────┐
   │      FE 集群         │ ← 元数据管理、查询规划、协调
   │  - Leader FE         │
   │  - Follower FE       │
   └───────────┬───────────┘
               │ SQL 计划
   ┌───────────┴───────────┐
   │      BE 集群         │ ← 数据存储、查询执行、向量化
   │  - BE 节点 × N        │    列式存储、Tablet 分片
   └───────────────────────┘

核心卖点：FE/BE 都能水平扩展，扩容简单；MySQL 兼容意味着业务代码零改动迁移。

三、核心能力：六大 Doris 杀手锏

1. 亚秒级响应 + 高并发双场景

Doris 设计目标是 同时搞定两种典型 OLAP 场景：

对比 ClickHouse：ClickHouse 单表查询极致，但 并发点查询是软肋（v23 才开始改）；Doris 天生支持高并发。

对比 StarRocks：StarRocks 是 Doris 重写版，性能更强但 Doris 生态更稳。

2. 三种数据模型（行业独家）

Doris 提供 三种表模型，覆盖不同业务场景：

杀手锏：Unique Key 模型支持实时 Upsert——这是 Doris 跟 ClickHouse 最大区别。ClickHouse 要做 Upsert 得用 ReplacingMergeTree，效果差；Doris 直接写入就是合并后的最终值。

3. 4.0 AI-Ready 三大新能力（2025 重头戏）

Doris 4.0 直接面向 AI 工作流：

意义：Doris 从 ” 传统 OLAP 数仓 ” 升级成 “AI 数据底座 ”——一个引擎搞定结构化分析 + 向量检索 + 全文检索 + Agent 接口。ClickHouse 还在 v23 才追上 MCP，Doris 直接把 4 项能力整合进一个 Apache 项目。

4. 丰富的导入方式

杀手锏：Routine Load 让你 5 分钟搭一个 Kafka → Doris 实时数仓。比 ClickHouse 配 Kafka Engine 简单得多。

5. MySQL 协议兼容（生态友好）

Doris 接受 MySQL 客户端连接，业务代码零修改迁移：

-- 在 MySQL 客户端里直接执行（连上 Doris 端口 9030）mysql -h doris-host -P 9030 -u root

CREATE TABLE orders (
  order_id BIGINT,
  user_id BIGINT,
  amount DECIMAL(10,2),
  order_date DATE,
  UNIQUE KEY(order_id)
)
DISTRIBUTED BY HASH(order_id) BUCKETS 16
PROPERTIES ("replication_num" = "3");

INSERT INTO orders VALUES (1, 100, 99.50, '2026-08-07');
SELECT count(*) FROM orders;

任何 MySQL 生态工具（DBeaver / Navicat / DataGrip / SQLyog）都能直接连。

6. 多表关联 + 物化视图 + Rollup

四、商业生态：飞轮科技 SelectDB

Doris 的商业实体是 飞轮科技（SelectDB）：

重要观察 ：飞轮科技 不控制 Doris 版权 ——Doris 是 Apache 顶级项目，版权归 ASF（Apache 软件基金会）。这跟 sqlmesh 进 Linux Foundation / DuckDB DuckDB Foundation 是同一治理逻辑： 商业公司在开源项目之上做云服务赚钱，但不开源核心。

五、对比：Doris vs ClickHouse vs StarRocks vs Snowflake

核心判断：

• 国产化 + Apache 顶级 + AI 就绪 → Doris 是首选
• 极致单表查询性能 → ClickHouse 还是领先
• 极致多表 Join + 大宽表 → StarRocks（性能更强）
• 不想运维 + 全球团队 → Snowflake（贵但省心）

六、实战：3 步跑通 Doris

# 1. Docker 快速跑（5 分钟）docker run -d --name doris \
  -p 9030:9030 -p 8030:8030 -p 8040:8040 \
  apache/doris:3.0.6

# 2. MySQL 客户端连
mysql -h 127.0.0.1 -P 9030 -u root

CREATE DATABASE demo;
USE demo;

CREATE TABLE events (
  event_id BIGINT,
  user_id BIGINT,
  event_type VARCHAR(32),
  ts DATETIME
)
UNIQUE KEY(event_id)
DISTRIBUTED BY HASH(event_id) BUCKETS 16
PROPERTIES ("replication_num" = "1");

-- 3. Stream Load 导入数据
curl -X POST 'http://127.0.0.1:8030/api/demo/events/_stream_load' \
  -H 'Authorization: Basic cm9vdDo=' \
  -F 'file=@events.json'

跑通后能用：
– MySQL 客户端连 9030
– Stream Load 实时写
– Routine Load 订阅 Kafka
– Flink CDC 同步 MySQL binlog

七、风险与坑

1. 资源消耗大 ：MPP 架构对内存要求高， 小数据量场景不如 ClickHouse / DuckDB 经济
2. 运维复杂度：FE/BE 集群管理、Tablet 均衡、副本修复——比 ClickHouse 复杂
3. 写吞吐有上限 ：高并发写入 Unique Key 表会有 compaction 压力， 超大写场景建议预先分桶
4. 生态比 ClickHouse 小 ：ClickHouse 在欧美 / 国际市场认知度更高，Doris 主要阵地是 国内 + 亚太
5. 4.0 AI 能力是新功能：向量索引 + BM25 还在迭代，生产用先做 POC
6. 文档质量参差：中英文社区都活跃，但版本迭代快文档容易过时
7. Join 优化门槛：大表 Join 写 SQL 要懂 bucket shuffle / colocate join 原理
8. 跟 StarRocks 的 ” 同源竞争 ”：StarRocks 是 Doris 早期分支（曾用名 DorisDB），两家都有忠实用户——选 Doris 更稳，选 StarRocks 更激进

八、总结

3 个最值得用的理由：

1. Apache 顶级 + Apache 2.0 + 国产化根正苗红：版权清晰可上国企 / 金融 / 政府项目，不会因为公司变动消失
2. 一个引擎覆盖 OLAP + 向量 + 全文 + MCP：4.0 AI-Ready 让 Doris 直接进 AI 数据底座赛道，省得维护 4 套系统
3. MySQL 兼容 + 百度实战 + 飞轮商业：迁移成本最低，国内案例最多（小米 / 美团 / 京东 / 微博 / 字节都有）

一句话建议：

国产化 OLAP 选型、想做实时数仓、想进 AI 大模型数据底座——直接 Doris。如果极致单表性能优先看 ClickHouse；极致多表 Join 看 StarRocks。

参考

1. apache/doris · GitHub — 主仓库，Apache 2.0
2. Apache Doris 官网 — 文档 + 案例
3. Apache Doris 3.0 中文文档 — 中文社区文档
4. SelectDB 飞轮科技 — 商业云服务
5. Apache Doris 4.0 社区回顾 — 9,000 PR + 200 贡献者
6. Apache Doris vs StarRocks — 同源分支对比
7. Apache Doris vs ClickHouse — 海外视角
8. Doris 4.0 MCP Server — v0.5.1，2025-07
9. Apache License 2.0 — 协议全文