在過去幾年中，數(shù)據(jù)基礎(chǔ)設(shè)施的演進始終圍繞一個核心問題展開：如何更快地分析數(shù)據(jù)？

但進入 2026 年，這個問題正在被重新定義。隨著 AI 應(yīng)用的爆發(fā)式增長，數(shù)據(jù)系統(tǒng)不再只是分析工具，而逐漸成為 智能系統(tǒng)的一部分。數(shù)據(jù)不再只是被查詢，而是被 Agent 調(diào)用、被模型理解、被系統(tǒng)實時消費。

在這樣的背景下，Apache Doris 社區(qū)提出了 2026 年的年度主題：

Scale Intelligence, Accelerate Insight

如果說過去 Doris 關(guān)注的是更快的數(shù)據(jù)分析，那么在 2026 年，我們要回答的問題是：

當(dāng)AI成為主流負載之后，數(shù)據(jù)庫應(yīng)該演進成什么樣子？

01

2025：變化的起點

回看 2025 年，Apache Doris 的演進路徑其實已經(jīng)顯露出這一變化的方向。

過去一年，社區(qū)發(fā)布了兩個重要版本——3.1 與 4.0，分別在數(shù)據(jù)分析能力與檢索能力上實現(xiàn)了關(guān)鍵突破。

在 3.1 版本中，進一步夯實了 Doris 在半結(jié)構(gòu)化數(shù)據(jù)分析場景與 Lakehouse 上的基礎(chǔ)能力，并在大量生產(chǎn)環(huán)境中得到穩(wěn)定應(yīng)用。

• 在半結(jié)構(gòu)化數(shù)據(jù)分析上，圍繞面向 JSON 的 ，持續(xù)完善功能并優(yōu)化性能，同時提升倒排索引與全文檢索在空間利用率與可擴展性上的表現(xiàn)，并引入更靈活的 tokenizer 插件機制；

• 在 Lakehouse 方向，增強了對 Iceberg、Paimon 等外部數(shù)據(jù)源的支持能力，物化視圖與查詢優(yōu)化能力持續(xù)提升，同時優(yōu)化了數(shù)據(jù)寫入與更新性能。

在 3.1 版本中，大量的精力被投入到一個看似比較局部的能力上——JSON，在當(dāng)時主要是為日志、事件等半結(jié)構(gòu)化數(shù)據(jù)服務(wù)。但進入AI時代，這類結(jié)構(gòu)不穩(wěn)定、模式不固定的數(shù)據(jù)，正在成為主流數(shù)據(jù)形態(tài)。

到了 4.0，這種變化進一步加速。

相較于 3.1，4.0 的核心演進可以概括為“”的建立。越來越多的業(yè)務(wù)負載從結(jié)構(gòu)化與半結(jié)構(gòu)化數(shù)據(jù)，延伸至非結(jié)構(gòu)化數(shù)據(jù)分析場景。從數(shù)據(jù)庫視角來看，這一變化本質(zhì)上對語義檢索能力提出了更高要求。

以典型應(yīng)用為例，企業(yè)需要對音頻、視頻、圖像等非結(jié)構(gòu)化數(shù)據(jù)進行 embedding，將其轉(zhuǎn)化為向量形式存儲，并在此基礎(chǔ)上實現(xiàn)語義檢索。

基于這一趨勢，Doris 在 4.0 版本中正式引入了 ，從而實現(xiàn)在同一引擎內(nèi)對結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)以及向量數(shù)據(jù)的統(tǒng)一檢索。

而這，也讓 Doris 的定位發(fā)生本質(zhì)的轉(zhuǎn)變：從一個分析型數(shù)據(jù)庫，走向一個能夠在AI時代同時承載分析與檢索的統(tǒng)一數(shù)據(jù)平臺。

02

AI 帶來哪些機遇與挑戰(zhàn)？

進入 2026 年，AI 正在從應(yīng)用層快速滲透至數(shù)據(jù)基礎(chǔ)設(shè)施層。

首先，數(shù)據(jù)形態(tài)發(fā)生顯著變化。以 Agent 交互、模型輸出與用戶行為記錄為代表的數(shù)據(jù)，大量以 JSON 形式存在，且在規(guī)模與結(jié)構(gòu)上高度不確定。這使問題不再只是能否支持 JSON，而是：

在 schema 持續(xù)變化、列數(shù)不斷膨脹的情況下，如何仍然保持高效的存儲與分析能力？

由此延伸出的，是AI可觀測性（AI Observability）問題。圍繞 Agent 行為日志展開分析，正在重塑傳統(tǒng)以 trace、logs、metrics 為核心的分析方式，成為理解系統(tǒng)運行機制與識別行為模式的重要手段。

與此同時，AI數(shù)據(jù)還帶來了更高并發(fā)與更強實時性的要求。單個 Agent 請求往往會觸發(fā)大量底層訪問，從而顯著提高系統(tǒng)對并發(fā)處理能力與響應(yīng)時效的要求。未來的使用模式，將更強調(diào)快速反饋，而非長時間等待復(fù)雜推理過程完成。

此外，統(tǒng)一平臺的重要性進一步提升。企業(yè)更傾向于在同一數(shù)據(jù)基礎(chǔ)上，同時支持分析、檢索等多樣化需求，從而降低系統(tǒng)復(fù)雜度并保證數(shù)據(jù)一致性。

03

2026 年：從場景看演進

圍繞這些變化，Doris 在 2026 年的演進可以從四類關(guān)鍵場景來理解。

半結(jié)構(gòu)化數(shù)據(jù)分析 & AI 可觀測性

AI 應(yīng)用帶來的一個直接變化，是 JSON 等半結(jié)構(gòu)化數(shù)據(jù)的快速增長。問題的關(guān)鍵在于如何在深層嵌套結(jié)構(gòu)、列數(shù)持續(xù)擴展的情況下，仍然保持可接受的存儲成本與查詢性能。與此同時，隨著 Agent、LLM tracing 等新型應(yīng)用快速發(fā)展，圍繞 JSON 日志的分析也正逐步成為 AI 可觀測性的重要組成部分。

• 在技術(shù)路徑上，持續(xù)增強 Variant Type，在兼顧靈活性的同時兼具列式存儲性能；構(gòu)建統(tǒng)一的可觀測性數(shù)據(jù)底座，將 trace、logs、metrics 等統(tǒng)一納入 Doris，并與 OpenTelemetry 等生態(tài)深度集成。

• 在具體實現(xiàn)上，支持深層嵌套 JSON 結(jié)構(gòu)，持續(xù)優(yōu)化稀疏列與字符串列的高效存儲機制，以提升存儲效率與查詢性能。

在此基礎(chǔ)上，繼續(xù)完善列式能力支持，如部分列更新、索引能力及超寬表處理，進一步強化 Variant 類型在 JSON 與半結(jié)構(gòu)化數(shù)據(jù)分析場景中的整體支撐能力。

在此背景下，AI可觀測性也逐漸成為這一場景的重要延伸。此前，社區(qū)已通過相關(guān)實踐展示了，并從中識別包括安全風(fēng)險在內(nèi)的多種行為模式，這正是 AI 可觀測性的典型應(yīng)用場景之一。

混合檢索與分析（HSAP）

在 AI 場景中，檢索范式正在從單一模式走向融合。在混合檢索出現(xiàn)之前，用戶通常需要額外引入向量數(shù)據(jù)庫或 Elasticsearch 等檢索系統(tǒng)，以滿足語義檢索與全文檢索需求。然而，這種割裂式架構(gòu)存在明顯局限：僅依賴向量檢索時，精確匹配能力不足；僅依賴文本檢索時，又難以覆蓋語義相關(guān)但不包含關(guān)鍵詞的內(nèi)容。

基于這一背景，Doris 在 4.0 版本中引入了混合檢索能力，使用戶能夠通過單一 SQL 同時完成全文檢索、語義打分與向量檢索，從而兼顧關(guān)鍵詞精確匹配與語義召回能力。

在 2026 年，混合檢索與分析及相關(guān)能力將進一步增強：

• 持續(xù)增強語義檢索與 Vector Search，引入基于磁盤的 ANN 算法與數(shù)據(jù)結(jié)構(gòu)，以支持百億級向量的高效存儲與檢索。

• 進一步融合向量能力與存儲計算體系，包括在 Merge-on-Write 上構(gòu)建可更新索引、優(yōu)化索引優(yōu)先訪問路徑，以及提升向量數(shù)據(jù)壓縮與管理效率。

• 持續(xù)增強全局索引與延遲物化能力，以優(yōu)化以 TopN 為主的語義檢索查詢，在減少數(shù)據(jù)訪問量的同時顯著提升性能。

• 探索開放湖格式上的向量能力建設(shè)，使用戶在無需遷移數(shù)據(jù)的前提下，即可在 Iceberg、Paimon 等數(shù)據(jù)湖之上實現(xiàn)高效的向量檢索與分析，進一步打通湖倉一體化生態(tài)。

多模態(tài)場景 & AI SQL

作為以 SQL 為核心的數(shù)據(jù)庫系統(tǒng)，Doris 最初面向結(jié)構(gòu)化數(shù)據(jù)設(shè)計，但隨著 AI 應(yīng)用發(fā)展，多模態(tài)需求快速增長，推動其在該方向持續(xù)演進。

Doris 在這一方向的核心目標，是降低數(shù)據(jù)處理門檻并統(tǒng)一處理流程：

• AISQL 與 PythonUDF結(jié)合，形成覆蓋數(shù)據(jù)預(yù)處理、特征提取、向量構(gòu)建與分析的一體化能力體系，支撐更加完整的多模態(tài)數(shù)據(jù)處理鏈路。

• 引入 File 數(shù)據(jù)類型，該數(shù)據(jù)類型在不同執(zhí)行環(huán)境下可具備不同語義。如在 SQL 中用于訪問文件元數(shù)據(jù)，在 AI SQL 或 Python UDF 中則可直接處理文件內(nèi)容，從而支持 embedding 與內(nèi)容分析。

通過上述能力的逐步完善，Doris 的目標是在多模態(tài)場景下，依托統(tǒng)一的數(shù)據(jù)平臺，為用戶提供從數(shù)據(jù)接入、處理到分析的端到端能力支持。

面向 Agent 的分析能力

當(dāng)數(shù)據(jù)庫的主要調(diào)用方從人轉(zhuǎn)向 Agent，交互方式也隨之改變。僅依賴 Text-to-SQL 難以支撐復(fù)雜場景，因為 Agent 在缺乏語義信息時難以穩(wěn)定生成正確查詢。

因此，Doris 在 2026 年將重點建設(shè)：

• 加強語義層建設(shè)，包括數(shù)據(jù)標簽體系與元數(shù)據(jù)開放 API，以支持構(gòu)建更靈活、可控的語義層，并提升 Agent 交互質(zhì)量。

• 持續(xù)推進 Data Agent 集成，使數(shù)據(jù)庫具備面向 Agent 的原生服務(wù)能力，從而支持更自然的交互與更準確的結(jié)果返回。

• 完善元數(shù)據(jù)API，強化對外部 Catalog 的集成能力，以對接統(tǒng)一的數(shù)據(jù)管理、權(quán)限與語義體系，為 Agent 提供一致、可靠的數(shù)據(jù)理解基礎(chǔ)。

04

2026 年：從能力看演進

上述場景的落地，最終依賴于底層能力的持續(xù)演進。

查詢引擎：能力、性能與穩(wěn)定性提升

在 2026 年，查詢引擎的演進將圍繞三個核心目標展開。

• 能力完善。提供更豐富且兼容性更強的 SQL 語法與函數(shù)支持，包括 ASOF Join、Recursive CTE、UNNEST 等能力；持續(xù)推進語法簡化與兼容性增強，降低 Lakehouse 場景下的遷移成本；MERGE INTO 能力增強，支持在單條 SQL 或事務(wù)中完成更完整的 CDC 流程。

• 性能優(yōu)化。強化 Condition Cache，緩存 Block 級過濾結(jié)果以降低運行時計算開銷；重構(gòu) ZoneMap（智能索引）表達式，提升數(shù)據(jù)過濾效率；提升復(fù)雜列場景（JSON）列裁剪能力，支撐高并發(fā)場景下穩(wěn)定性能表現(xiàn)。

• 大規(guī)模任務(wù)的執(zhí)行能力與穩(wěn)定性提升，即“Run Big， Run Stable”。優(yōu)化 Spill-to-Disk 與 Global Buffer Mgmt 內(nèi)存管理能力，系統(tǒng)在資源受限情況下仍能穩(wěn)定執(zhí)行大規(guī)模任務(wù)。

同時，持續(xù)完善查詢可觀測性，使用戶在調(diào)度平臺與交互式查詢場景中直觀地理解執(zhí)行狀態(tài)。

存儲引擎：規(guī)模、緩存與彈性優(yōu)化

在存儲層面，圍繞規(guī)模（Scale）、緩存（Cache）與彈性（Elasticity）三個核心方向展開。

• 在規(guī)模方面，重點解決超寬表場景與大規(guī)模 Tablet 帶來的元數(shù)據(jù)與管理問題，比如 JSON 經(jīng) Variant 子列抽取后，列數(shù)可能擴展至數(shù)千甚至上萬列，類似問題在 Parquet 等列式系統(tǒng)中同樣存在。

• 在緩存方面，持續(xù)優(yōu)化 Smart Caching 加強跨計算組緩存預(yù)熱、細粒度緩存策略及分布式共享緩存能力；緩存策略也將支持基于時間范圍、表級或分區(qū)級定義緩存策略，或?qū)μ囟狳c分區(qū)進行定向預(yù)熱。

• 在彈性方面，結(jié)合云基礎(chǔ)設(shè)施優(yōu)化動態(tài)伸縮能力，提升擴縮容效率、優(yōu)化多計算組讀寫分離，以及通過元數(shù)據(jù)持久化與本地緩存機制加快節(jié)點啟動過程，降低切換帶來的性能影響。

總體而言，存儲層的演進一方面面向更大規(guī)模與更復(fù)雜數(shù)據(jù)結(jié)構(gòu)，另一方面致力于在存算分離架構(gòu)下提供更加穩(wěn)定、高效的實時服務(wù)能力。

開放數(shù)據(jù)湖：讀寫能力與統(tǒng)一治理

在開放數(shù)據(jù)湖方向，隨著 Lakehouse 架構(gòu)逐步成為主流，Iceberg、Paimon 等開放湖格式持續(xù)演進。2026 年，Doris 將圍繞讀（Read）、寫（Write）與治理（Govern）三個核心維度展開能力建設(shè)。

• 查詢能力：在不遷移數(shù)據(jù)的前提下，讓湖表查詢性能盡可能接近內(nèi)表。優(yōu)化在 Iceberg、Paimon 等湖表的實時查詢能力，增強 Parquet Page Cache 與本地 File Block Cache，并將 Condition Cache 擴展至湖表場景，同時通過 Distributed Planning 優(yōu)化超大規(guī)模湖表的元數(shù)據(jù)規(guī)劃與解析。

• 湖表管理能力：支持 Iceberg 與 Paimon 的完整生命周期管理，包括 DDL 與 DML（Update、Delete、Merge Into）。同時持續(xù)跟進生態(tài)演進，如 Iceberg V3 行級血緣與 Paimon 索引能力。

• 生態(tài)接入能力：一方面，深化與 Flink 的集成，推進 Streaming Lakehouse；另一方面，擴展 Arrow Flight 能力，并引入基于 Arrow Flight 的 Catalog，降低多數(shù)據(jù)源接入成本，拓展數(shù)據(jù)訪問邊界。

• 統(tǒng)一治理能力：加強與各類 Catalog 服務(wù)的深度集成，包括支持第三方認證接入、兼容 Iceberg 與 Paimon 的 REST Catalog 標準，以及完善自身元數(shù)據(jù) Open API 能力。使 Doris 能無縫融入現(xiàn)有數(shù)據(jù)治理體系。

06

結(jié)束語

數(shù)據(jù)形態(tài)正在從結(jié)構(gòu)化走向 JSON、向量與多模態(tài)，數(shù)據(jù)使用方式也從面向人擴展到面向 Agent 。數(shù)據(jù)庫面對的，不再是單一分析負載，而是分析、檢索與 AI Agent 并存的復(fù)合負載。

Apache Doris 在 2026 年的規(guī)劃，核心不再只是提升分析性能，而是響應(yīng)AI時代數(shù)據(jù)基礎(chǔ)設(shè)施的根本變化。

Scale Intelligence, Accelerate Insight，不僅是年度主題，也定義了 Doris 在AI時代的演進方向。

如果你對這些方向感興趣，或者正在做相關(guān)探索，歡迎了解和參與 Apache Doris 社區(qū)：

• 想看看最新能力 可以體驗最新版本

• 想了解實現(xiàn)細節(jié) 可以閱讀官方文檔

• 有實踐經(jīng)驗或問題 歡迎一起交流討論

• 也歡迎一起參與開源貢獻，讓這些能力真正落地

GitHub: https://github.com/apache/doris

官方網(wǎng)站：https://doris.apache.org

PREVIOUS RECOMMENDATIONS