向量搜索通常需要在 “召回率、查询延迟、构建开销” 之间取得平衡，因此Doris 内置了两类主流 ANN 索引：HNSW 与 IVF。基于分层图结构，能够在搜索时快速从稀疏层缩小范围，并在底层进行精细查找。其优势包括：高召回率，在语义检索中接近精确搜索效果；低延迟，查询复杂度接近 O (log n)，适合大规模场景；可调节精度，通过ef_search等参数动态控制召回率和延迟。HNSW 是业界应用

飞轮科技旗下数据仓库SelectDB完成同辕开发深度适配，获鲲鹏Native认证，实现25%性能提升。测试显示，SelectDB在鲲鹏ARM平台单机环境下分析效率显著提高，兼容性表现优异。作为Apache Doris开源社区重要贡献者，飞轮科技自主研发的SelectDB已服务全球5000余家企业。未来将继续深化与鲲鹏生态合作，优化实时数据分析能力，助力企业数字化转型。

Apache Doris LLM Function 作为数据库技术与人工智能深度融合的创新实践，标志着数据分析领域向智能化方向演进的重要里程碑。通过将大语言模型能力原生集成到 SQL 执行引擎中，有效解决了传统数据分析架构中 AI 能力集成的技术挑战。从技术架构层面来看，LLM Function 采用资源池化管理和 SQL 原生集成的设计理念，实现了 AI 处理能力与数据查询的无缝融合。十大核心函

Apache Doris LLM Function 作为数据库技术与人工智能深度融合的创新实践，标志着数据分析领域向智能化方向演进的重要里程碑。通过将大语言模型能力原生集成到 SQL 执行引擎中，有效解决了传统数据分析架构中 AI 能力集成的技术挑战。从技术架构层面来看，LLM Function 采用资源池化管理和 SQL 原生集成的设计理念，实现了 AI 处理能力与数据查询的无缝融合。十大核心函

摘要： AI时代对数据仓库提出更高要求，需支持高并发、低延迟查询以满足智能体分析需求。Apache Doris 4.0凭借多项优化技术（数据裁剪、Pipeline执行引擎、向量化处理）在SSB-FLAT、SSB和TPC-H基准测试中表现卓越，查询吞吐量（QPS）显著领先Snowflake和ClickHouse，最高达7.39倍。其能力源于高效的数据过滤、并行执行架构及SIMD加速，成为AI时代理想

摘要： AI时代对数据仓库提出更高要求，需支持高并发、低延迟查询以满足智能体分析需求。Apache Doris 4.0凭借多项优化技术（数据裁剪、Pipeline执行引擎、向量化处理）在SSB-FLAT、SSB和TPC-H基准测试中表现卓越，查询吞吐量（QPS）显著领先Snowflake和ClickHouse，最高达7.39倍。其能力源于高效的数据过滤、并行执行架构及SIMD加速，成为AI时代理想

随着人工智能技术在业务中的渗透，我们逐渐意识到：AI 不仅是提升效率的工具，更是重构数据处理与消费方式的核心驱动力。在这一背景下，我们思考：能否构建一款「AI + Data」一站式融合的数据引擎？ 它不仅能够统一处理文本、音视频等非结构化数据与传统结构化数据，还能为算法工程师提供流畅的数据开发体验，实现数据处理与 AI 模型无缝衔接，并能确保数据处理负载与在线服务负载完全隔离。这是 2024 年末

随着人工智能技术在业务中的渗透，我们逐渐意识到：AI 不仅是提升效率的工具，更是重构数据处理与消费方式的核心驱动力。在这一背景下，我们思考：能否构建一款「AI + Data」一站式融合的数据引擎？ 它不仅能够统一处理文本、音视频等非结构化数据与传统结构化数据，还能为算法工程师提供流畅的数据开发体验，实现数据处理与 AI 模型无缝衔接，并能确保数据处理负载与在线服务负载完全隔离。这是 2024 年末

在数据库系统的核心层，查询优化器如同一位精明的策略家，不断分析数据特征并制定最优执行计划。Apache Doris 作为一款高性能的 MPP 分析型数据库，其优化器内置的 Data Trait 分析机制，通过挖掘数据内在的统计特征和语义约束，为查询优化提供了基础设施。让我们一起来探索这个强大的功能！

在分析型数据库中，列式存储是压缩和查询性能的核心基础。它按列组织数据，同一列值类型一致且分布相似，为编码与压缩算法提供极高空间局部性和可预测性。当存储的值变化较小或重复频繁时，列式布局能够减少冗余存储，并提升向量化扫描的 CPU 效率。Apache Doris 作为一款典型的列式存储引擎，可独立存储每一列数据。导入时，每列数据写入近似固定大小的数据页，经过编码和压缩处理，以实现更紧凑的存储。在 D