AI 概述
Apache Doris 是一款高性能、实时分析型数据库，深度融合文本搜索、向量搜索、AI 函数与 MCP 智能交互能力，构建从数据存储、检索到分析的完整 AI 数据栈，为 AI 应用提供一体化的数据基础设施。
下表列出常见 AI 场景与 Doris 提供的对应能力，帮助快速定位适合的方案。
| 我想做什么 | 对应场景 | 核心能力 |
|---|---|---|
| 让 AI Agent 实时查询业务数据 | Agent Facing Analytics | MPP 架构、毫秒级查询、MCP Server |
| 在同一份数据上同时做关键词、向量与聚合分析 | 混合检索与分析 | 倒排索引 + 向量索引 + SQL |
| 加速 AI 训练数据准备与特征工程 | Lakehouse for AI | 湖仓一体、开放表格式、极速 SQL |
| 构建企业知识库、智能客服 | RAG 应用 | 高并发向量检索、混合检索 |
| 监控模型训练与推理服务 | AI Observability | 高吞吐写入、倒排索引、低存储成本 |
| 让搜索理解用户意图 | 语义搜索 | HNSW/IVF、量化压缩、多模态扩展 |
Agent Facing Analytics
随着 AI Agent 技术兴起，越来越多的分析决策由 AI 自动完成，这要求数据平台具备极致的实时性与高并发能力。与传统"人工分析"不同，Agent Facing Analytics 需要在毫秒级完成数据查询和决策，支持海量 Agent 的并发访问。典型场景包括实时反欺诈检测、智能广告投放、个性化推荐等。
Doris 凭借高性能 MPP 架构，在面向 Agent 的分析场景中具备以下优势：
| 能力 | 指标 | 价值 |
|---|---|---|
| 数据延迟 | 亚秒级 | 实时摄入与更新，确保 Agent 决策基于最新数据 |
| 查询响应 | 平均 < 100 ms | 满足 Agent 实时决策需求 |
| 并发能力 | 10,000+ QPS | 轻松应对海量 Agent 并发查询 |
| 集成方式 | 原生 MCP Server | 无缝对接 AI Agent，简化开发 |
Hybrid Search and Analytics Processing
半结构化、非结构化数据正成为数据分析的一等公民。客户评论、聊天记录、生产日志、车机信号等数据已深度融入业务决策流程。传统结构化分析方案需要融合全文检索与向量检索能力，在同一平台上既支持语义搜索，又能进行多维分析与聚合统计。典型场景包括：
- 客户洞察：结合评论文本检索与用户行为分析，精准定位客户需求和满意度趋势
- 智能制造：融合生产日志全文搜索、设备图像识别与 IoT 指标分析，实现故障预测与质量优化
- 车联网：综合车机信号数据分析、用户反馈文本挖掘与驾驶行为向量检索，提升智能座舱体验
基于 Doris 构建混合检索与分析应用的优势：
- 一体化架构：在单一平台统一处理结构化分析、全文检索与向量搜索，无需数据迁移和异构系统集成
- 混合查询性能：单条 SQL 同时执行向量相似度搜索、关键词过滤与聚合分析，查询性能优异
- 灵活 Schema 支持：VARIANT 类型原生支持动态 JSON 结构，Light Schema Change 秒级变更字段与索引
- 全栈优化：从倒排索引、向量索引到 MPP 执行引擎的端到端优化，兼顾检索精度与分析效率
Lakehouse for AI
AI 模型与应用开发需要从海量数据中准备训练集、进行特征工程、评估数据质量，传统架构往往需要在数据湖和分析引擎间频繁迁移数据。Lakehouse 架构将数据湖的开放存储与实时分析引擎深度融合，在统一平台上支撑数据准备、特征工程与模型评估的全流程，消除数据孤岛，加速 AI 开发迭代。
架构特性：
- 湖仓一体：基于开放湖表格式（如 Iceberg、Paimon 等）和 Catalog 构建开放湖仓，统一管理分析数据与 AI 数据
- 极速 SQL 引擎：Doris 作为实时分析引擎，支持交互式查询与轻量级 ETL，为数据准备和特征工程提供高效的 SQL 计算能力
- 无缝数据流转：直接读写数据湖，无需数据搬迁，存储层统一管理，计算层灵活加速
对 AI 全流程的加速：
- 大规模数据准备：从 PB 级数据湖中高效过滤、采样和清洗数据，快速构建高质量训练数据集
- 实时特征工程：在线进行特征提取、转换和聚合计算，为模型训练和推理提供实时特征服务
- 质量评估：对测试集和线上数据进行多维度快速分析，持续监控模型表现和数据漂移
RAG（Retrieval-Augmented Generation）
RAG 通过从外部知识库检索相关信息为大模型提供上下文，有效解决模型幻觉与知识时效性问题。向量引擎是 RAG 系统的核心组件，需要在海量知识库中快速召回最相关的文档片段，同时支持高并发的用户查询请求，确保应用响应体验。
典型应用：
- 企业知识库：基于内部文档、手册构建智能问答系统，员工通过自然语言快速获取准确答案
- 智能客服助手：结合产品知识库与历史案例，为客服人员或聊天机器人提供精准的回复建议
- 智能文档助手：在大规模文档集合中快速定位相关内容，辅助研究、写作与决策过程
Doris 构建 RAG 的优势：
- 高并发性能：分布式架构支持高并发向量检索，轻松应对大规模用户并发访问
- 混合检索能力：在单条 SQL 中同时执行向量相似度搜索与关键词过滤，兼顾语义召回和精确匹配
- 弹性扩展：随集群扩容线性提升检索性能，从百万到百亿级向量无缝平滑过渡
- 一体化方案：统一管理向量数据、原始文档与业务数据，简化 RAG 应用的数据架构
AI Observability
AI 模型训练迭代与应用运行过程中会产生海量日志、指标和追踪数据。为精准定位问题、持续优化性能，可观测性系统成为 AI 基础设施的关键一环。随着业务规模扩张，可观测平台面临 PB 级数据的高吞吐写入、毫秒级检索响应和成本控制的多重挑战。
典型用例：
- 模型训练监控：实时追踪训练指标、资源消耗，快速定位训练异常与性能瓶颈
- 推理服务追踪：记录每次推理请求的完整链路，分析延迟来源与错误模式
- AI 应用日志分析：海量应用日志的全文检索与聚合分析，支持故障排查和行为洞察
Doris 构建 AI Observability 的优势：
| 维度 | 能力指标 |
|---|---|
| 写入性能 | 支持 PB 级/天（10 GB/s）持续写入，倒排索引加速日志检索，秒级响应 |
| 存储成本 | 压缩率 5:1 至 10:1，存储成本节省 50%-80%，支持冷数据低成本存储 |
| Schema 灵活性 | Light Schema Change 秒级变更字段，VARIANT 类型原生支持动态 JSON |
| 生态兼容 | 兼容 OpenTelemetry、ELK 生态，对接 Grafana/Kibana 可视化工具 |
Semantic Search
语义搜索通过向量化技术捕捉文本深层含义，即使查询词与文档用词不同，也能召回语义相关的内容。这对跨语言检索、同义词识别、意图理解等场景至关重要，可显著提升搜索的召回率和用户体验。
典型用例：
- 企业文档检索：员工用自然语言描述问题，系统理解意图后从海量文档中召回语义相关的政策、流程与知识
- 电商商品搜索：用户输入"适合夏天穿的透气鞋子"，系统理解需求并召回相关产品，而非仅匹配关键词
- 内容推荐平台：基于文章、视频的语义相似度进行智能推荐，发现用户可能感兴趣但用词不同的内容
Doris 构建语义搜索的优势：
- 高性能向量检索：支持 HNSW 与 IVF 算法，亿级向量亚秒级响应，轻松应对大规模语义搜索需求
- 混合检索增强：单条 SQL 融合语义搜索与关键词过滤，在召回语义相关内容的同时确保必要词汇命中
- 多模态扩展：不仅支持文本语义搜索，还可扩展至图片、音频等多模态内容的语义检索
- 灵活量化优化：通过 SQ/PQ 量化技术，在保证检索精度的前提下大幅降低存储和计算成本
