01
面向 AI Agent 时代的
实时可观测性
Apache Doris 使用一个高性能分析引擎统一日志、指标、链路和 AI Agent 事件，帮助团队加快故障排查、控制成本并持续提升 AI 质量。
可观测性为何对Agent 时代至关重要。
当团队统一管理日志、链路、指标和 AI Agent 事件时，五个方面会同时发生变化：
- 故障发现
- 用户体验
- 规模化成本
- AI 质量
- 连接系统行为与业务结果
更快发现故障
将日志、链路和 Agent 事件转化为可分析的执行数据，在故障扩散前发现异常与根因。
用户体验与 SLA
将系统健康状况关联到实际用户影响：延迟、错误、答案准确性、任务完成情况，以及回答是否有可靠依据。
降低规模化成本
通过热数据快速排障、聚合数据分析趋势，并随遥测数据增长，将历史数据转移到成本更低的存储。
持续改进 AI
结合提示词、回答、RAG 上下文、工具调用、评分与用户反馈，发现检索、提示和任务完成过程中的改进空间。
面向业务的运维
将每个信号关联到受影响的客户、租户和工作流，评估 AI 故障对转化、支持负担与收入的影响。
已在生产环境运行。
三个团队使用 Apache Doris 作为可观测性分析基础，大规模处理实时运维数据中的日志、指标和事件。
案例 01 · PB 级日志
MiniMax：从 Grafana Loki 迁移至 Apache Doris，构建 PB 级日志系统
离开 Grafana Loki 后，MiniMax 所有业务线的日志均接入 Apache Doris，在 PB 级规模下保持超过 99.9% 的可用性，并在数秒内完成数十亿行日志的查询。
实际成效
- PB 级日志存储，所有业务线可用性超过 99.9%
- 在 10 亿行日志上的关键词查询与聚合可在 2 秒内返回
- 写入吞吐达 10 GB/s，导入延迟为秒级
- 5:1 的压缩与分层存储，使存储成本降低 70%
案例 02 · 日志与时序数据
网易：使用 Apache Doris 替换 Elasticsearch 与 InfluxDB
网易将 Eagle 监控平台从 Elasticsearch 迁出，将 IM 时序平台从 InfluxDB 迁出，统一使用 Apache Doris，实现更快查询、更低存储占用，并可在不重建表的情况下变更索引。
实际成效
- 监控日志查询速度为 Elasticsearch 的 11 倍，存储成本降低 70%
- 时序负载比 InfluxDB 减少 67% 的存储，服务器数量减半
- 最高 100 万 TPS，峰值写入吞吐为 1 GB/s
- 可增量新增或删除倒排索引，无需重写数据表
案例 03 · 从 Elasticsearch 迁移
腾讯音乐：替换 Elasticsearch，成本降低 80%
腾讯音乐娱乐将基于标签的搜索和分析从 Elasticsearch 迁移到 Apache Doris，利用倒排索引在一条 SQL 中完成全文检索与聚合。
实际成效
- 整体运营成本比 Elasticsearch 降低 80%
- 存储占用减少 72%（相同数据集从 697.7 GB 降至 195.4 GB）
- 写入速度达 4 倍，导入时间从 10 多小时缩短至 3 小时以内
- 告警从每日 20 多次降至每月个位数
TENCENT MUSIC现代可观测性需要什么，Apache Doris 如何应对。
现代可观测性平台需要具备五项关键能力，Apache Doris 提供相应支持。
Apache Doris 的可观测性能力
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.
实时导入
02
半结构化分析
基于 VARIANT
03
快速全文检索
基于倒排索引与 BM25
04
交互式分析
面向可观测性仪表盘
05