1. Doris 实时数仓概述
大家好，我是这次课程的主讲。做了这么多年大数据架构，我见过太多数仓项目从兴起到烂尾。说实话，实时数仓这个概念，前几年还只是个噱头，但到了今天，它已经成了企业数字化转型的刚需。
这一章，我们先不急着搭环境、写代码。我想先跟你聊聊——到底什么是实时数仓？Doris 凭什么能在这个领域站稳脚跟？以及，它跟传统数仓比，到底强在哪？
1.1 什么是实时数仓
传统数仓，大家都很熟悉。T+1 跑批，凌晨算昨天的数据，早上出报表。但现在的业务场景变了——你想想看，电商大促的实时大屏、金融风控的秒级预警、直播间的实时流量调度……这些场景等不了第二天。
实时数仓，说白了就是让数据从产生到可分析的时间窗口，从小时级、天级，压缩到分钟级甚至秒级。
它不是一个单一的工具，而是一套技术栈的组合。核心要解决三个问题：
- 实时采集：从业务数据库、日志、消息队列里把数据捞出来，延迟控制在秒级
- 实时计算：对流入的数据做清洗、关联、聚合，不能等批处理
- 实时查询：计算完的结果要能秒级响应，支持高并发查询
我个人的理解：实时数仓不是要干掉传统数仓，而是在传统数仓的基础上，增加了一条"快车道"。两条路并行，各司其职。
1.2 Doris 的核心特性
我第一次接触 Doris 是在 2020 年。当时团队在做实时大屏项目，用 ClickHouse 做存储，但多表 Join 的性能实在让人头疼。后来调研到 Doris，试了一把，嗯，真香。
Doris 的核心特性，我总结为以下五点：
| 特性 | 说明 | 我的实战感受 |
|---|---|---|
| MPP 架构 | 大规模并行处理，查询自动分发到多节点执行 | 单表查询 10 亿级数据，秒级出结果 |
| 向量化执行引擎 | 按列批量处理数据，CPU 缓存命中率高 | 比普通行式存储快 5-10 倍 |
| 支持实时与批量导入 | Stream Load、Broker Load、Routine Load 多种方式 | 我曾经用 Routine Load 直接消费 Kafka，延迟不到 10 秒 |
| 标准 SQL 兼容 | MySQL 协议兼容，支持 Join、子查询、窗口函数 | 数据分析师直接用 MySQL 客户端就能连，学习成本极低 |
| 物化视图 | 预计算聚合结果，查询时自动命中 | 大屏场景下，查询响应时间从 3 秒降到 200 毫秒 |
一个小技巧：Doris 的物化视图不是手动刷新的，而是基表数据变更时自动增量更新。这一点比很多传统数仓要智能得多。
1.3 Doris 与传统数仓的对比
很多人问我：Doris 能不能替代 Hive？能不能替代 ClickHouse？我的回答是——它们不是替代关系，而是定位不同。
我整理了一张对比表，你看完就明白了：
| 维度 | 传统数仓（Hive） | Doris |
|---|---|---|
| 数据延迟 | T+1，小时级 | 秒级、分钟级 |
| 查询速度 | 分钟级（依赖 MapReduce） | 秒级（MPP + 向量化） |
| 数据更新 | 不支持高频更新 | 支持 Upsert、Delete |
| 并发能力 | 低，适合离线分析 | 高，支持数百并发查询 |
| 存储成本 | 低（HDFS 冷存储） | 中等（SSD + 列式压缩） |
| 适用场景 | 离线报表、历史数据归档 | 实时大屏、Ad-hoc 查询、数据服务 |
避坑提醒：我曾经在一个项目中，试图用 Doris 完全替代 Hive 做离线批处理。结果发现 Doris 的存储成本比 HDFS 高不少，而且大批量历史数据导入时，对集群压力很大。后来我调整了方案——热数据放 Doris，冷数据放 Hive，这才稳定下来。
1.4 Doris 在实时数仓中的定位
搞清楚了 Doris 是什么，我们再来看看它在整个实时数仓架构里，到底扮演什么角色。
一个典型的实时数仓架构，通常分为四层：
- 数据接入层：Kafka、Canal、Flume 等，负责实时采集
- 实时计算层：Flink、Spark Streaming，负责流式 ETL
- 实时存储层：Doris、ClickHouse，负责存储和查询
- 数据应用层：大屏、报表、API 接口
Doris 的位置，就在实时存储层。它既要承接 Flink 清洗后的实时数据，又要对外提供秒级查询服务。
下面这张图，是我自己项目里常用的架构，你可以参考：
你看，Doris 处在整个链路的中枢位置。它向下承接 Flink 的实时写入，向上支撑各种实时应用。我个人的经验是——Doris 的强项不在于"算"，而在于"存"和"查"。复杂的业务逻辑交给 Flink，Doris 只做两件事：把数据存好，让查询变快。
总结一下：Doris 在实时数仓中的定位，就是一个高性能的实时 OLAP 引擎。它不抢 Flink 的活，也不替代 Hive 的冷存储。它只负责一件事——让实时数据"存得下、查得快"。
嗯，这一章的内容就到这里。你理解了 Doris 的定位和核心特性，后面我们搭建实时数仓的时候，就知道每一步该做什么了。