コースApache Doris Hackathon自分のペースで進めるタスク · いつでも開始 · 登録不要

トラック A · タスク A4

エージェントトレースエクスプローラー

AI エージェントが出力する JSON はリリースごとに構造が変わります。VARIANT に保存し、通常の列のようにクエリします。

60～120 分
中級
言語自由 · CLI、ノートブック、Web
AI ツールの利用歓迎

スターターキットを入手 Doris を起動

困ったときは？ 質問はこちら： #dev 参加先： Apache Doris Slack。メンテナーやほかの参加者がサポートします。

環境を準備

何を作るか、Doris ならどう簡単になるかを学び、クラスターを起動します。

作成するもの

エージェントの不揃いな JSON も、そのままクエリ。

LLM 呼び出し、ツール呼び出し、エラー、最終回答。それぞれに独自のフィールドがあり、リリースごとに新しいフィールドも増えます。Doris の VARIANT は JSON を型付きの列に自動変換するため、通常の SQL でフィルター、検索、集約できます。スキーマ移行は不要です。

次を対象にしたトレースエクスプローラー： 1,000 件の AI エージェントセッション（約 20,000 イベント）:

検索用の セッション一覧 （イベント数、エラー、トークン数、レイテンシを表示）、
検索用の セッションのタイムライン：セッションをクリックすると、エージェントの動作を順に再現、
ツールとモデルの統計：p95 レイテンシ、エラー率、トークン使用量、
JSON 内の検索：「timeout」を含むツールエラーをすべて検索します。

そして次に答えます： 13:00 にデプロイされたエージェント v2 によって、状況は改善しましたか、それとも悪化しましたか？

概略図作成するもの · ワイヤーフレーム（スクリーンショットではありません）

概略図はコードパネルの上部にあります

Doris で取り組む利点

スキーマ定義不要の書き込み時スキーマ処理。 VARIANT は JSON の各パスの型を推論し、よく使うパスを実際の列指向サブカラムとして保存します。そのため、 payload['latency_ms'] は全ドキュメントを解析せず、1 列を読むだけで済みます。
新しいフィールドは自動で現れます。 v2 のイベントが次を追加すると、 cost_usd、次のロードで新しいパスがサブカラムとして現れます。次の操作は不要です： ALTER TABLE.
JSON 内を検索。 VARIANT 列の転置インデックスにより、すべてのテキストパスを次で検索できます： MATCH_*.

パネル：テーブル定義のインデックス行

始める前に

Docker が起動しており、Doris イメージを取得済みです。 約 1.9 GB。初回のみ必要です。ダウンロード容量が大きいため、事前に取得してください。Docker Desktop（macOS）と Docker Engine（Linux）のどちらでも利用できます。
docker pull apache/doris:all-in-one-4.1.3
Doris が起動しています。 1 つのコンテナーで FE と BE を 1 つずつ実行します。起動が完了すると、 docker ps の表示が (healthy)になります。通常は起動から約 30 秒後です。このイメージについて
docker run -d --name doris -p 9030:9030 -p 8030:8030 -p 8040:8040 apache/doris:all-in-one-4.1.3
接続できます。 コンテナーに MySQL クライアントが含まれているため、別途用意する必要はありません。ほかの MySQL クライアントでも接続できます： 127.0.0.1:9030、ユーザーは root、パスワードは不要です。
docker exec -it doris mysql -uroot -h127.0.0.1 -P9030
スターターキットを取得済みです。 ダウンロードして解凍： doris-hackathon-glasgow-2026.zip。このページのコマンドは、キット内の doris-hackathon-glasgow-2026 フォルダーから実行します。付属の doris.sh でまとめて実行できます： start, load, sql, stop.
curl -LO https://github.com/morningman/demo-env/releases/download/for-hackathon/doris-hackathon-glasgow-2026.zip && unzip doris-hackathon-glasgow-2026.zip && cd doris-hackathon-glasgow-2026
ツールの準備ができています。 MySQL ドライバーのある言語なら何でも使えます（Python pymysql、Node mysql2、Go go-sql-driver/mysql、Java JDBC など）。AI コーディングアシスタントもぜひ活用してください。

ホスト: 127.0.0.1
ポート: 9030
ユーザー: rootパスワードなし
データベース: hackathon

データ

hackathon.agent_events ：エージェントのイベントごとに 1 行を保存し、イベント本体を VARIANT 列に保持します：

テーブルhackathon.agent_events · sql

CREATE TABLE agent_events (  session_id  VARCHAR(40)  NOT NULL,  ts          DATETIME(3)  NOT NULL,  event_id    BIGINT       NOT NULL,  event_type  VARCHAR(32)  NOT NULL,   -- user_message / llm_call / tool_call / error / final_answer  payload     VARIANT      NOT NULL,  INDEX idx_payload (payload) USING INVERTED PROPERTIES ("parser" = "english"))DUPLICATE KEY(session_id, ts)DISTRIBUTED BY HASH(session_id) BUCKETS 1PROPERTIES ("replication_num" = "1", "storage_format" = "V3");

ペイロード例：構造の違いに注目してください：

ペイロード例json

{"text": "Why did checkout fail at 11:40?", "lang": "en", "agent_version": "v1"}{"model": "model-large", "usage": {"input_tokens": 812, "output_tokens": 96}, "latency_ms": 1430, "agent_version": "v1"}{"tool": "sql_query", "args": {"sql": "SELECT ..."}, "latency_ms": 37, "status": "ok", "agent_version": "v1"}{"tool": "http_get", "args": {"url": "..."}, "latency_ms": 3012, "status": "error", "agent_version": "v1", "error": {"type": "Timeout", "message": "read timeout after 3000 ms calling https://api.internal/orders"}}

13:00 以降に始まるセッションは次を実行します： エージェント v2。ペイロードには次が含まれ、 "agent_version": "v2"、v2 の LLM 呼び出しには次のフラグが追加されます： cache_hit 。マイルストーン 5 では、テーブルにまだ存在しないフィールドを持つイベントをロードします。

パネル → テーブル：テーブル定義の全体

AI を使って作る

AI コーディングエージェントとの共同作業を推奨しています。 Doris 4.x の検索機能と AI 機能は、多くのモデルの学習データより新しいため、SQL を書かせる前に適切な情報を渡してください：

次の コンテキストプロンプト をエージェントに貼り付けます。
参照先として次を指定：このページに掲載した参考資料および AGENTS.md （スターターキット内）。多くのコーディングエージェントはこのファイルを自動で読み込みます。
コードに組み込む前に、すべての SQL 文を実際のクラスターで実行させてください。
さらに、次を接続すると便利です： Doris MCP Server （参照：タスク A2）。エージェント自身でスキーマを確認し、クエリをテストできるようになります。

コンテキストプロンプトエージェントに貼り付け

I'm building an agent trace explorer on Apache Doris 4.1 for a hackathon.Connection: MySQL protocol, 127.0.0.1:9030, user root, empty password, database `hackathon`.Use a plain MySQL driver and raw SQL.Table `agent_events`: session_id, ts DATETIME(3), event_id, event_type(user_message / llm_call / tool_call / error / final_answer), payload VARIANT(inverted index, english parser). Payload shapes differ by event_type. Every payload hasagent_version: "v1" before 13:00, "v2" from 13:00; v2 llm_calls add cache_hit.Doris SQL rules:1. Read JSON paths as payload['a']['b']. CAST to a concrete type before comparing,   sorting or aggregating: CAST(payload['latency_ms'] AS DOUBLE).2. VARIANT cannot be a key, a sort key or a join key.3. Text search inside JSON: payload['error']['message'] MATCH_ANY 'timeout'. Never LIKE.4. Percentiles: percentile_approx(expr, 0.95).5. `SET describe_extend_variant_column = true; DESC agent_events;` lists inferred subcolumns.6. To insert JSON yourself, CAST the text: CAST('{"a": 1}' AS JSON).Build: sessions list, session timeline, tool/model stats, and JSON search.Run every SQL statement against the live cluster first.

AI エージェントが陥りやすい Doris の落とし穴

Trap	What to do instead
キャストせずに VARIANT のパスを比較する	`CAST(payload['latency_ms'] AS INT)`。VARIANT はキー列や結合列にできません
次に期待すること： `DESC` による JSON パスの一覧表示	実行： `SET describe_extend_variant_column = true;` を先に実行します。その後、 `DESC` に推論されたすべてのサブカラムと型が表示されます
次の使用： `LIKE '%term%'` によるテキスト検索	`col MATCH_ANY 'a b'` （OR）、 `MATCH_ALL` （AND）、 `MATCH_PHRASE 'a b'` 。これらは転置インデックスを使います
ORM を使う	通常の MySQL ドライバーと生の SQL を推奨します。ORM は Doris がサポートしない文を生成する場合があります

実装する

6 マイルストーン、 M0 → M5。パネルは読んでいるステップに追従します。

M0
マイルストーン 010 分
ロードして調べる
スターターキットのフォルダー内で実行：
M0 · ロードbash
```
docker exec -i doris mysql -uroot -h127.0.0.1 -P9030 < seed/a4_agent_events.sql
```
続いて SQL シェルで実行：
M0 · 調査sql
```
USE hackathon;SET describe_extend_variant_column = true;DESC agent_events;     -- see the subcolumns Doris inferred: payload.tool, payload.usage.input_tokens, ...
```
確認ポイント
ロード結果の表示： 1,000 セッション、20,401 イベント; DESC には約 20 個の payload.* パスが、それぞれ推論された型とともに表示されます。
M1
マイルストーン 115 分
JSON パスをクエリ
M1 · JSON パスをクエリsql
```
SELECT CAST(payload['tool'] AS STRING) AS tool, COUNT(*) AS callsFROM agent_eventsWHERE event_type = 'tool_call'GROUP BY toolORDER BY calls DESC;
```
確認ポイント
ツールは 5 つあり、 sql_query が最も多く呼び出されています（3,506 回）。

マイルストーン 215 分

推論されたサブカラムを集約

M2 · 推論されたサブカラムを集約sql

SELECT CAST(payload['tool'] AS STRING) AS tool,       COUNT(*) AS calls,       percentile_approx(CAST(payload['latency_ms'] AS DOUBLE), 0.95) AS p95_ms,       SUM(CASE WHEN CAST(payload['status'] AS STRING) = 'error' THEN 1 ELSE 0 END) AS errorsFROM agent_eventsWHERE event_type = 'tool_call'GROUP BY toolORDER BY p95_ms DESC;

確認ポイント

python_exec の p95 が最も悪く（約 2.1 秒）、 http_get の失敗が最も多い（425 エラー）。

M3
マイルストーン 310 分
JSON 内を検索
M3 · JSON 内を検索sql
```
SELECT session_id, ts, CAST(payload['error']['message'] AS STRING) AS error_messageFROM agent_eventsWHERE payload['error']['message'] MATCH_ANY 'timeout'ORDER BY tsLIMIT 20;
```
確認ポイント
合計 398 イベントに timeout が含まれます。時間ごとに集計すると、v2 に関する最初の手掛かりが得られます。
M4
マイルストーン 420 分
セッションのタイムライン
M4 · セッションのタイムラインsql
```
SELECT ts, event_type,       CAST(payload['tool'] AS STRING)      AS tool,       CAST(payload['status'] AS STRING)    AS status,       CAST(payload['latency_ms'] AS INT)   AS latency_ms,       CAST(payload['text'] AS STRING)      AS textFROM agent_eventsWHERE session_id = 's-0042'ORDER BY ts;
```
これらのクエリを使って、セッション一覧 → タイムライン → 統計の UI を作ります。
確認ポイント
セッション s-0042 には 25 イベントがあります。質問、LLM とツールの呼び出し（1 回失敗した sql_queryは再試行）、最終回答で構成されています。
M5
マイルストーン 510 分
スキーマの変化を観察
M5 · スキーマ変更バッチをロードbash
```
docker exec -i doris mysql -uroot -h127.0.0.1 -P9030 < a4/drift_batch.sql   # events with new fields
```
M5 · 新しいフィールドをクエリsql
```
SELECT CAST(payload['agent_version'] AS STRING) AS version,       COUNT(*) AS llm_calls,       ROUND(SUM(CAST(payload['cost_usd'] AS DOUBLE)), 2) AS cost_usdFROM agent_eventsWHERE event_type = 'llm_call'GROUP BY versionORDER BY version;
```
実行： DESC agent_events を再実行すると、新しいパスが表示されます。次の操作は ALTER TABLE 実行していません。
確認ポイント
第 3 のバージョンが現れます： v2.1。そのバージョンの LLM 呼び出しだけに次が含まれます： cost_usd、かつ DESC に次が表示されます： payload.cost_usd および payload.retries.

完成させる

チェックを済ませ、成果を共有し、バッジを獲得しましょう。

完了条件

チェックリスト

異なる構造のイベントを 1 つの VARIANT 列にロードする（初期データと変更バッチ）。
少なくとも 3 つの JSON パスクエリがあり、推論された数値サブカラムの集約を 1 つ含む（例：ツールごとの p95 レイテンシ）。
JSON のテキストパスに対する全文検索。
セッションのタイムライン表示（CLI、ノートブック、Web）。
README に次を記載： 3 つの知見 （v2 リリースについての評価を含む）、実行方法、スクリーンショット 1 点。

提出してバッジを獲得

参加 → 提出 → バッジを獲得。

成果物は次の名前のフォルダーにまとめてください： ご自身の GitHub ID。コードと README を含め、README に内容、実行方法、スクリーンショットまたは GIF 1 点、使用した Doris の機能を記載します。
プルリクエストを作成 次の場所に追加してください： morningman/demo-env 配置先： doris-hackathon-glasgow-2026/<your-github-id>/。フォークして push するか、GitHub の次の操作を使ってください： Add file → Upload files。ほかに入力する項目はありません。
共有する 共有先： #dev 参加先： Apache Doris Slack：プルリクエストまたはリポジトリへのリンクと、スクリーンショットまたは短いデモを共有します。質問、提出、バッジの案内はすべてこちらで行います。

タスクに参加した方全員に次のバッジを贈ります： Apache Doris Contributor バッジ。Doris 本体へのプルリクエストがマージされている必要はありません。締め切りはないので、ご自身のペースで進めてください。チーム参加も可能ですが必須ではありません。全員の GitHub ID を次に記載してください： README.

Contributor バッジについて

追加の挑戦

自分のトレースを使う。 ご自身の AI コーディングエージェントのローカルセッションログ（JSONL）をエクスポートし、1 行に 1 つの CAST('…' AS JSON) をロードします。データはローカルの Doris インスタンスに保存されます。
Schema Template。 よく使うパスを次で固定します： VARIANT<'latency_ms': INT, 'tool': STRING> （テーブルのコピーで実行）。次の結果と DESC クエリの挙動を比較します。データの投入方法： INSERT … SELECT …, CAST(payload AS JSON)：VARIANT はテンプレート付きの VARIANT に直接キャストできません。
アシスタントに探索させる。 Doris MCP Server を接続し（タスク A2）、最も問題のあるセッションを探すようアシスタントに依頼します。
SQL でエラーを分類 （API キーはご自身で用意）： AI_CLASSIFY(CAST(payload['error']['message'] AS STRING), ['timeout', 'auth', 'bad input', 'other'])。参照： LLM SQL 関数.

トラブルシューティングと参考資料

Symptom	Fix
`docker: command not found` （macOS）	Docker Desktop を起動してください。起動済みなら CLI へのリンクを作成します： `sudo ln -s /Applications/Docker.app/Contents/Resources/bin/docker /usr/local/bin/docker`
`error getting credentials` （イメージ取得時）	削除する項目： `credsStore` のフィールドを次から削除： `~/.docker/config.json` （ローカル開発環境のみ）
`port is already allocated`	別のプロセス（多くは別の Doris）が 9030、8030、8040 のいずれかを使っています。実行中のコンテナーを確認してください（`docker ps`）。または別のホストポートを公開します。例： `-p 19030:9030`。その場合は 19030 に接続してください。
`The container name "/doris" is already in use`	以前に起動したことがあります： `docker start doris`。最初からやり直すには、 `docker rm -f doris` （データが削除されます）
コンテナーが終了する、または状態が変わらない： `(healthy)`	確認： `docker logs doris`。多くはメモリが原因です。Docker Desktop に 6 GB 以上を割り当ててください（Settings → Resources）。Apple Silicon では次を追加しないでください： `--platform linux/amd64`
`permission denied: ./doris.sh`	解凍ツールによって実行権限が失われています： `chmod +x doris.sh`、または次を実行： `bash doris.sh start`
`Current database is not set`	実行： `USE hackathon;` を先に実行するか、次で接続します： `-Dhackathon`
`score() function requires WHERE clause with MATCH function, ORDER BY and LIMIT`	次を追加： `MATCH_*` の述語、 `ORDER BY score() DESC` および `LIMIT`、さらに次は `score()` を式で包まないでください（上記の落とし穴を参照）
10 分以上解決できない場合	投稿先： `#dev` 参加先： Apache Doris Slack

参考資料

VARIANT データ型 VARIANT SQL リファレンス全文検索 LLM SQL 関数

概略図作成するもの · ワイヤーフレーム（スクリーンショットではありません）

Doris を起動terminal

docker pull apache/doris:all-in-one-4.1.3   # 1.9 GB, oncedocker run -d --name doris -p 9030:9030 -p 8030:8030 -p 8040:8040 apache/doris:all-in-one-4.1.3docker ps        # wait for (healthy), about 30 sdocker exec -it doris mysql -uroot -h127.0.0.1 -P9030

ホスト: 127.0.0.1
ポート: 9030
ユーザー: rootパスワードなし
データベース: hackathon

スターターキットダウンロードdoris-hackathon-glasgow-2026.zip

進行ルート60～120 分 · M0 → M5 → 完了

M0ロードして調べる10 分
M1JSON パスをクエリ15 分
M2サブカラムを集約15 分
M3JSON を検索10 分
M4セッションのタイムライン20 分
M5スキーマの進化10 分
DoD完了→ 提出

テーブルhackathon.agent_events · sql

CREATE TABLE agent_events (  session_id  VARCHAR(40)  NOT NULL,  ts          DATETIME(3)  NOT NULL,  event_id    BIGINT       NOT NULL,  event_type  VARCHAR(32)  NOT NULL,   -- user_message / llm_call / tool_call / error / final_answer  payload     VARIANT      NOT NULL,  INDEX idx_payload (payload) USING INVERTED PROPERTIES ("parser" = "english"))DUPLICATE KEY(session_id, ts)DISTRIBUTED BY HASH(session_id) BUCKETS 1PROPERTIES ("replication_num" = "1", "storage_format" = "V3");

ペイロード例json

{"text": "Why did checkout fail at 11:40?", "lang": "en", "agent_version": "v1"}{"model": "model-large", "usage": {"input_tokens": 812, "output_tokens": 96}, "latency_ms": 1430, "agent_version": "v1"}{"tool": "sql_query", "args": {"sql": "SELECT ..."}, "latency_ms": 37, "status": "ok", "agent_version": "v1"}{"tool": "http_get", "args": {"url": "..."}, "latency_ms": 3012, "status": "error", "agent_version": "v1", "error": {"type": "Timeout", "message": "read timeout after 3000 ms calling https://api.internal/orders"}}

M0 · ロードbash

docker exec -i doris mysql -uroot -h127.0.0.1 -P9030 < seed/a4_agent_events.sql

M0 · 調査sql

USE hackathon;SET describe_extend_variant_column = true;DESC agent_events;     -- see the subcolumns Doris inferred: payload.tool, payload.usage.input_tokens, ...

M1 · JSON パスをクエリsql

SELECT CAST(payload['tool'] AS STRING) AS tool, COUNT(*) AS callsFROM agent_eventsWHERE event_type = 'tool_call'GROUP BY toolORDER BY calls DESC;

M2 · 推論されたサブカラムを集約sql

SELECT CAST(payload['tool'] AS STRING) AS tool,       COUNT(*) AS calls,       percentile_approx(CAST(payload['latency_ms'] AS DOUBLE), 0.95) AS p95_ms,       SUM(CASE WHEN CAST(payload['status'] AS STRING) = 'error' THEN 1 ELSE 0 END) AS errorsFROM agent_eventsWHERE event_type = 'tool_call'GROUP BY toolORDER BY p95_ms DESC;

M3 · JSON 内を検索sql

SELECT session_id, ts, CAST(payload['error']['message'] AS STRING) AS error_messageFROM agent_eventsWHERE payload['error']['message'] MATCH_ANY 'timeout'ORDER BY tsLIMIT 20;

M4 · セッションのタイムラインsql

SELECT ts, event_type,       CAST(payload['tool'] AS STRING)      AS tool,       CAST(payload['status'] AS STRING)    AS status,       CAST(payload['latency_ms'] AS INT)   AS latency_ms,       CAST(payload['text'] AS STRING)      AS textFROM agent_eventsWHERE session_id = 's-0042'ORDER BY ts;

M5 · スキーマ変更バッチをロードbash

docker exec -i doris mysql -uroot -h127.0.0.1 -P9030 < a4/drift_batch.sql   # events with new fields

M5 · 新しいフィールドをクエリsql

SELECT CAST(payload['agent_version'] AS STRING) AS version,       COUNT(*) AS llm_calls,       ROUND(SUM(CAST(payload['cost_usd'] AS DOUBLE)), 2) AS cost_usdFROM agent_eventsWHERE event_type = 'llm_call'GROUP BY versionORDER BY version;

コンテキストプロンプトエージェントに貼り付け

I'm building an agent trace explorer on Apache Doris 4.1 for a hackathon.Connection: MySQL protocol, 127.0.0.1:9030, user root, empty password, database `hackathon`.Use a plain MySQL driver and raw SQL.Table `agent_events`: session_id, ts DATETIME(3), event_id, event_type(user_message / llm_call / tool_call / error / final_answer), payload VARIANT(inverted index, english parser). Payload shapes differ by event_type. Every payload hasagent_version: "v1" before 13:00, "v2" from 13:00; v2 llm_calls add cache_hit.Doris SQL rules:1. Read JSON paths as payload['a']['b']. CAST to a concrete type before comparing,   sorting or aggregating: CAST(payload['latency_ms'] AS DOUBLE).2. VARIANT cannot be a key, a sort key or a join key.3. Text search inside JSON: payload['error']['message'] MATCH_ANY 'timeout'. Never LIKE.4. Percentiles: percentile_approx(expr, 0.95).5. `SET describe_extend_variant_column = true; DESC agent_events;` lists inferred subcolumns.6. To insert JSON yourself, CAST the text: CAST('{"a": 1}' AS JSON).Build: sessions list, session timeline, tool/model stats, and JSON search.Run every SQL statement against the live cluster first.

Apache Doris Hackathon

すべてのタスク

コースに戻る