01
现代数据仓库，
面向 实时 洞察
在一个实时分析数据库中统一批量与流式数据，加速 BI，并大规模提供可信的业务指标。
现代数据仓库如何改变业务。
当数仓实现统一、快速、实时和弹性扩展时，四个方面会同时发生变化：
- 数据可信度
- 分析速度
- 决策时效性
- 整体运行成本
统一业务视图
将订单、客户、支付、CRM、ERP、广告和日志统一为可信的分析层，让各团队基于相同指标开展工作。
更快的 BI 与自助分析
亚秒级 SQL 让 Tableau、Power BI、Superset 和 Looker 中的下钻与即席分析保持流畅交互。
实时监控
持续接入 CDC、Kafka 和 Flink 数据，让仪表盘、告警和运营报表紧跟业务变化。
可扩展，成本更优
从 TB 扩展到 PB，BI 并发随业务增长，无需再增加多套系统、数据链路或服务层。
已在生产环境运行。
三个团队在大规模、真实并发和实时业务数据下，使用 Apache Doris 作为数仓的分析核心。
案例 01 · 顺丰科技
顺丰：从 Presto 迁移至 Apache Doris，支撑 BI 与即席分析
顺丰科技将日查询量超过 100 万的主要 BI 平台从 Presto 迁移到 Apache Doris。迁移全部即席分析与 BI 负载的同时，P95 延迟降低近 70%。
实际成效
- P95 查询延迟降低近 70%；10 秒内完成的查询占比从 72% 升至 88%
- 硬件减少 48%，湖仓查询的数据缓存命中率达 96%
- 全部即席分析与 BI 工作负载迁移完成，SQL 兼容率为 97%
顺丰速运案例 02 · 小米
小米：使用 Apache Doris 与 Apache Paimon 构建统一湖仓
小米将 Presto、Druid 和分散的存储格式统一到基于 Apache Doris 与 Apache Paimon 的湖仓，查询速度达到此前的 6 倍。
实际成效
- 平均查询延迟从 60 秒降至 10 秒；聚合查询从 40 秒降至 8 秒
- 并发吞吐为 Presto 的 5 倍，负载下延迟降低 25%–75%
- 在同一技术栈中，以 Doris 承载热数据、Paimon 承载冷数据，覆盖用户行为、设备和运营分析
小米案例 03 · 菜鸟
菜鸟：面向全球物流的实时湖仓
“数据可在数秒内完成更新，查询可在数百毫秒内返回。”
实际成效
- 实时数据平台的成本降低 90%，平均响应加快 72%
- 点查询达到 1,000–2,000 QPS、延迟 10–100 ms；多表关联达到 200–300 QPS、亚秒级响应
- 在 3 个地域运行超过 25 个集群、10,000 余核 CPU，跟踪每日 8,000 万个包裹相关的库存、包裹和订单数据
菜鸟数据仓库需要什么，Apache Doris 如何应对。
现代数据仓库需要具备五项关键能力，Apache Doris 提供相应支持。
Apache Doris 的数据仓库能力
每项能力均链接到对应的功能文档。如需了解背后的工程细节，请阅读 Apache Doris 博客.
灵活的数仓
02
实时导入
与更新
03
增量刷新
与批量执行
04
湖仓
计算引擎
05