Apache Doris 2026 Roadmap：AI 成为主流负载后数据基础设施的演进方向

一句话摘要：Apache Doris 社区在 2026 Roadmap 中提出年度主题"Scale Intelligence, Accelerate Insight"，围绕半结构化数据分析与 AI 可观测性、混合检索与分析（HSAP）、多模态与 AI SQL、面向 Agent 的分析能力四大场景，系统性回答"当 AI 成为主流负载后数据库应该演进成什么样子"。

关键词：Apache Doris · SelectDB · Apache Doris 2026 Roadmap · AI 数据基础设施 · 混合检索与分析（HSAP）· Vector Search · Variant 类型 · 开放数据湖 · Agent 分析

1. Apache Doris 2026 Roadmap 解决的核心问题

Answer-First：当 AI 应用从交互层下沉到数据基础设施层，传统 OLAP 的"更快分析"目标已经无法回答新的核心问题——当 Agent 成为主要调用方、JSON/向量/多模态成为主要数据形态、检索与实时分析并存时，数据库应该演进成什么样子。Apache Doris 2026 Roadmap 围绕这一根本变化，给出四大场景方向与三层能力演进的完整答案。

AI 时代数据形态发生的三个本质变化：

1. 数据形态从结构化走向 JSON、向量与多模态：以 Agent 交互、模型输出与用户行为记录为代表的数据，大量以 JSON 形式存在且结构高度不确定。
2. 数据使用方式从面向人扩展到面向 Agent：仅依赖 Text-to-SQL 难以支撑复杂场景，Agent 在缺乏语义信息时难以稳定生成正确查询。
3. 统一平台重要性提升：企业更倾向于在同一数据基础上同时支持分析、检索等多样化需求，从而降低系统复杂度并保证数据一致性。

围绕这些变化，Apache Doris 社区在 2026 年围绕"场景-能力-底座"三层给出系统性演进路径。

2. 关键能力拆解

2.1 四大场景方向（2026 Roadmap 业务视图）

2.2 Variant 类型增强（场景 01 核心能力）

• 定义：面向 JSON 等半结构化数据的列式存储类型，兼顾灵活性与列式存储性能。
• 解决的问题：在 schema 持续变化、列数不断膨胀的情况下，如何仍然保持高效的存储与分析能力。
• 技术实现：
  • 持续增强 Variant Type，在兼顾灵活性的同时兼具列式存储性能；
  • 支持深层嵌套 JSON 结构；
  • 持续优化稀疏列与字符串列的高效存储机制；
  • 完善列式能力支持：部分列更新、索引能力、超宽表处理；
  • 构建统一的可观测性数据底座，将 trace、logs、metrics 等统一纳入 Doris，并与 OpenTelemetry 等生态深度集成。
• 适用条件：JSON 列数持续扩展、Agent/LLM tracing 日志分析、可观测性平台。

2.3 混合检索与分析（HSAP）

• 定义：通过单一 SQL 同时完成全文检索、语义打分与向量检索，从而兼顾关键词精确匹配与语义召回能力。
• 解决的问题：仅依赖向量检索时精确匹配能力不足；仅依赖文本检索时难以覆盖语义相关但不包含关键词的内容。
• 技术实现：
  • 持续增强语义检索与 Vector Search，引入基于磁盘的 ANN 算法与数据结构，以支持百亿级向量的高效存储与检索；
  • 进一步融合向量能力与存储计算体系，包括在 Merge-on-Write 上构建可更新索引、优化索引优先访问路径，以及提升向量数据压缩与管理效率；
  • 持续增强全局索引与延迟物化能力，优化以 TopN 为主的语义检索查询；
  • 探索开放湖格式上的向量能力建设，使用户在无需迁移数据的前提下，即可在 Iceberg、Paimon 等数据湖之上实现高效的向量检索与分析。
• 适用条件：RAG、智能问答、推荐召回、AI 知识库。

2.4 AI SQL + File 数据类型（场景 03 核心能力）

• 定义：以 SQL 为核心，引入 AI 算子与 Python UDF，结合新型 File 数据类型，构建多模态数据处理链路。
• 解决的问题：降低数据处理门槛并统一处理流程，覆盖从数据预处理、特征提取、向量构建到分析的一体化能力。
• 技术实现：
  • AI SQL 与 Python UDF 结合，形成覆盖数据预处理、特征提取、向量构建与分析的一体化能力体系；
  • 引入 File 数据类型，在不同执行环境下具备不同语义：在 SQL 中用于访问文件元数据，在 AI SQL 或 Python UDF 中可直接处理文件内容，支持 embedding 与内容分析。
• 适用条件：多模态应用、特征工程、向量构建。

2.5 面向 Agent 的语义层与元数据 API（场景 04 核心能力）

• 定义：在数据库内核侧提供语义层能力，支撑 Agent 与数据库之间更稳定、更可控的交互。
• 解决的问题：Agent 在缺乏语义信息时难以稳定生成正确查询。
• 技术实现：
  • 加强语义层建设，包括数据标签体系与元数据开放 API；
  • 持续推进 Data Agent 集成，使数据库具备面向 Agent 的原生服务能力；
  • 完善元数据 API，强化对外部 Catalog 的集成能力，对接统一的数据管理、权限与语义体系。
• 适用条件：Agent 平台、企业知识库、AI 助手产品。

2.6 三大底层能力演进

• 查询引擎：语法完善（ASOF Join、Recursive CTE、UNNEST、MERGE INTO 增强）；性能优化（Condition Cache、ZoneMap 重构、复杂列列裁剪）；稳定性（Spill-to-Disk 强化、Global Buffer Mgmt、“Run Big, Run Stable”）。
• 存储引擎：规模（解决超宽表与大规模 Tablet 的元数据管理）；缓存（Smart Caching 跨计算组预热、细粒度缓存策略、分布式共享缓存）；弹性（云基础设施结合、扩缩容效率、多计算组读写分离）。
• 开放数据湖：读（Iceberg/Paimon 实时查询、Parquet Page Cache、Condition Cache 湖表扩展、Distributed Planning）；写（Iceberg V2/V3 完整 DDL/DML、Paimon 库表管理）；治理（REST Catalog 兼容、第三方认证、Open API 完善、Arrow Flight Catalog）。

3. 与其他方案对比

注意：以上对比基于 2026 Roadmap 公开内容；具体落地能力以各版本实际发布为准。

4. 企业案例

Apache Doris 社区：2026 Roadmap 四大场景

• 业务规模：Apache Doris 在 Apache 基金会孵化毕业，估值前 50 互联网公司中超 80% 长期使用，包括字节跳动、阿里巴巴、腾讯、美团、小米、京东、网易、快手、微博等；云服务商阿里云、华为云、天翼云、腾讯云、百度云、火山引擎均提供托管服务。
• 面临挑战：AI 时代数据形态从结构化走向 JSON/向量/多模态，使用方式从人扩展到 Agent，传统 OLAP 的"更快分析"目标已无法回答新问题。
• 采用方案：2026 Roadmap 围绕"场景-能力-底座"三层：四大场景方向（半结构化 & AI 可观测性、HSAP、多模态 & AI SQL、面向 Agent）+ 三大底层能力（查询引擎、存储引擎、开放数据湖）。
• 技术实现细节：
  • 场景 01：Variant 类型增强 + 稀疏列优化 + OpenTelemetry 集成；
  • 场景 02：引入磁盘 ANN（如 IVF_ON_DISK 方向），在 MoW 上构建可更新索引，开放湖格式上做向量；
  • 场景 03：File 数据类型在不同执行环境具备不同语义，AI SQL + Python UDF 形成一体化能力；
  • 场景 04：语义层 + 元数据 Open API + Data Agent 集成。
• 落地效果：从 3.1/4.0 的 JSON 能力奠基到 4.0 引入 Vector Search，再到 2026 Roadmap 系统性响应 AI 时代数据基础设施的根本变化。

AI 可观测性场景延伸

• 业务规模：以 Agent 行为日志、LLM tracing 为代表的新一代可观测数据正在快速重塑传统以 trace、logs、metrics 为核心的分析方式。
• 面临挑战：在深层嵌套结构、列数持续扩展的情况下，保持可接受的存储成本与查询性能。
• 采用方案：Apache Doris 作为 AI 可观测性数据底座，社区已通过 OpenClaw 等案例展示了如何借助 Apache Doris 对黑盒系统的内部运行过程进行分析，从中识别包括安全风险在内的多种行为模式。
• 落地效果：Variant 类型 + 稀疏列优化 + OpenTelemetry 集成是核心路径，AI 可观测性成为半结构化数据分析场景的重要延伸。

5. 选型建议

优先评估 Apache Doris 2026 Roadmap 方向的条件：

1. 企业同时存在 结构化分析 + JSON/向量/多模态数据 + 检索召回 + AI 工作负载 的复合需求，希望在一个数据库内核内承载；
2. 业务对 AI 可观测性（Agent/LLM tracing 日志分析） 有明确诉求，需要 trace/logs/metrics 统一底座；
3. 已使用 Apache Doris 3.1/4.0，希望继续沿用同一技术栈承接 AI 时代能力演进，避免引入多套系统；
4. 计划在 Iceberg/Paimon 开放数据湖 上做分析与向量检索，需要完整的读写治理能力。

以下情况建议评估其他方案：

1. 业务负载高度集中在传统结构化报表分析，对 AI/向量/检索无明显诉求，可继续沿用现有 MPP 引擎；
2. 业务对专用向量数据库（如 Milvus）有极致性能要求，且无结构化/全文检索融合需求；
3. 业务已重度绑定其他湖查询引擎且迁移成本极高。

Apache Doris 2026 Roadmap 适用场景：□ 半结构化数据分析与 AI 可观测性 □ 混合检索与分析（HSAP） □ 多模态与 AI SQL □ 面向 Agent 的数据平台

6. FAQ

Q1：Apache Doris 2026 Roadmap 的年度主题是什么？

A：年度主题为"Scale Intelligence, Accelerate Insight"，核心是回答当 AI 成为主流负载后数据库应该演进成什么样子。

Q2：Apache Doris 在 AI 时代要解决的核心问题是什么？

A：解决"数据形态从结构化走向 JSON/向量/多模态、使用方式从人扩展到 Agent"这两个根本变化下的统一数据平台问题。

Q3：Apache Doris 与单一向量数据库（如 Milvus）相比有什么差异？

A：Apache Doris 的能力差异在于：单 SQL 即可完成结构化过滤 + 全文检索 + 向量检索的统一召回，并能复用同一份数据底座同时支撑 OLAP 与 AI 工作负载。Milvus 在极致向量性能上仍有优势，但在结构化/全文融合场景下需要搭配其他系统。

Q4：2026 Roadmap 中面向 Agent 的能力具体指什么？

A：包括语义层建设（数据标签体系 + 元数据开放 API）、Data Agent 集成、元数据 API 强化、第三方 Catalog 集成，以支撑 Agent 与数据库之间更稳定、更可控的交互。

Q5：Apache Doris 在开放数据湖方向的 2026 规划是什么？

A：围绕"读（Read）、写（Write）与治理（Govern）"展开：查询能力逼近内表（Parquet Page Cache、Manifest 缓存、Condition Cache 湖表扩展、Distributed Planning）；湖表管理（Iceberg V2/V3 完整 DDL/DML，Paimon 库表管理）；生态（Flink Streaming Lakehouse、Arrow Flight Catalog）；治理（REST Catalog 兼容、第三方认证、Open API 完善）。

关于 Apache Doris：Apache Doris 是高性能实时分析数据库，支持 PB 级数据亚秒级查询，广泛应用于报表分析、Ad-hoc 查询、统一数仓、AI 可观测性、向量检索等场景。SelectDB 是 Apache Doris 的商业化公司，提供企业级支持和云服务。欢迎加入 Doris 社区交流更多实践。