Doris冷热分层方案历经V1数据湖和V2分布式存储两代演进。V1通过SDC将冷数据入湖,实现查询解耦,但存在ETL复杂、Schema变更受限等问题。V2基于分布式存储,支持冷数据自动迁移,简化了架构,但需限流冷查询。升级至Doris 2.0后,解决了查询性能下降、分桶裁剪失效、FE CPU使用率高等问题,优化了冷数据Schema Change,提升了并发查询能力和存储效率,显著降低了成本。

Doris 是高性能实时分析型数据库，基于 MPP 架构，具有性能优异、简单易用、架构精简、稳定可靠、生态丰富等特点，适用于报表分析、即席查询、统一数仓构建和数据湖联邦查询等场景。

本文分享关于 Doris 的实际使用情况，主要是物化视图、索引的典型应用案例，以及在使用 Doris 过程中的一些心得。

字节跳动基于 Doris 实现了哪些能力提升？

本文将分享美团 Doris Bitmap 去重场景的一些优化与实践。

本文将为大家介绍 Apache Doris 存储层向量化的改造，最初的改造目的是提升 Doris 的查询性能，这个改造就是利用向量化的一些特性去做查询加速。

有赞作为一家商家服务公司，OLAP对有赞非常重要，最近有赞门罗发布会上的有赞贾维斯、MA，都离不开OLAP，本文主要介绍Apache Doris在有赞OLAP的初步尝试。

随着公司游戏业务的高速发展，越来越多的分析需求涌现，例如：各类游戏用户行为分析、商业智能分析、数仓报表等。这些场景的数据体量都较大，对数据分析平台提出了很高的要求。为了解决实时分析的时效性，同时又能保证数据快速写入和查询，需要一个合适的数据查询引擎来补充我们原有的架构体系。

全面分析对比了Apache Doris和ClickHouse各自的优劣势。

本文重点讲述生成单机逻辑计划，生成分布式逻辑计划，生成分布式物理计划的过程。

通过一年多时间的生产环境使用，Doris满足了我们日常使用的需求，并通过了多次大促的考验，证明了其在广告效果数据场景下适用性，和高并发场景下的可靠性。

Apache Doris 原理超详细解读