Apache Doris 4.0 把 AI 塞進(jìn)數(shù)據(jù)庫(kù)了！？
“哥，Doris 4.0 把 AI 塞進(jìn)數(shù)據(jù)庫(kù)了！”
凌晨一點(diǎn)，DBA老周在群里甩出這句話，附帶一張截圖：一條 SQL 直接調(diào)通簡(jiǎn)歷篩選，把 30 萬(wàn)份數(shù)據(jù) 3 秒跑完。
我盯著屏幕，咖啡差點(diǎn)灑鍵盤——這年頭，連數(shù)據(jù)庫(kù)都開始搶 HR 的飯碗？
第二天一早，我溜進(jìn)公司實(shí)驗(yàn)室，把 4.0 Doris懟到測(cè)試集群。
產(chǎn)品經(jīng)理阿May跟進(jìn)來(lái)，抱著電腦一臉愁容：“老板要‘千人千面’推薦，預(yù)算卻只給兩臺(tái)破機(jī)器，你讓 AI 喝西北風(fēng)？”
我沒接話，先把用戶行為表、商品文本表、圖像特征表一股腦倒進(jìn) Doris，順手建了個(gè)向量索引：
# 向量索引檢索函數(shù)介紹
l2_distance_approximate():
使用 HNSW 索引按 歐氏距離（L2） 近似計(jì)算相似度。數(shù)值越小越相似。
inner_product_approximate():
使用 HNSW 索引按 內(nèi)積（Inner Product） 近似計(jì)算相似度。數(shù)值越大越相似。
-- 1) 建表與索引
CREATETABLE doc_store (
idBIGINT,
title STRING,
tags ARRAY<STRING>,
embedding ARRAY<FLOAT> NOTNULL,
INDEX idx_vec (embedding) USING ANN PROPERTIES (
"index_type" = "hnsw",
"metric_type" = "l2_distance",
"dim" = "768",
"quantizer" = "flat"-- 可選：flat / sq8 / sq4
),
INDEX idx_title (title) USING INVERTED PROPERTIES ("parser" = "english")
)
DUPLICATEKEY(id)
DISTRIBUTEDBYHASH(id) BUCKETS 16
PROPERTIES("replication_num"="1");
-- 2) TopN 最近鄰（建議使用 PreparedStatement 傳入向量）, 用真實(shí)向量替換下面的 ... 占位符
SELECTid, l2_distance_approximate(embedding, [...]) AS dist
FROM doc_store
ORDERBY dist ASC
LIMIT10;
-- 3) 帶過(guò)濾條件的 ANN（先過(guò)濾后TopN，保障召回）, 用真實(shí)向量替換下面的 ... 占位符
SELECTid, title,
l2_distance_approximate(embedding, [...]) AS dist
FROM doc_store
WHERE title MATCH_ANY 'music' -- 使用倒排索引快速過(guò)濾
AND array_contains(tags, 'recommendation') -- 結(jié)構(gòu)化過(guò)濾
ORDERBY dist ASC
LIMIT5;
-- 4) 范圍查詢，, 用真實(shí)向量替換下面的 ... 占位符
SELECTCOUNT(*)
FROM doc_store
WHERE l2_distance_approximate(embedding, [...]) <= 0.35;維度 768，量化 sq8，壓測(cè)腳本一跑，QPS 飆到 1.2 萬(wàn)，CPU 才啃了 42%。阿May的下巴差點(diǎn)脫臼：“這玩意兒是數(shù)據(jù)庫(kù)？不是隱藏版 GPU？”
更離譜的是 AI 函數(shù)（?? https://doris.apache.org/zh-CN/docs/dev/ai/ai-function-overview/）
我現(xiàn)場(chǎng)寫了一條：
SELECT item_id, AI_SUMMARIZE(description, 20) AS digest,
AI_CLASSIFY(title, ARRAY['3C', '美妝', '食品', '潮玩']) AS tag
FROM sku_dim
WHERE AI_FILTER(CONCAT('適合送禮嗎？', description)) = true
LIMIT 100;結(jié)果 8 秒返回，文案組直接薅走數(shù)據(jù)，半小時(shí)后朋友圈廣告上線，轉(zhuǎn)化率比上周同期翻 1.7 倍。
阿May抱著我胳膊：“哥，咱把推薦團(tuán)隊(duì)裁了吧？”我翻個(gè)白眼——推薦團(tuán)隊(duì)沒裁，老板把買新服務(wù)器的申請(qǐng)單撕了，順手給 Doris 集群又加了兩節(jié)點(diǎn)，說(shuō)是“花小錢辦大事的典范”。
故事還沒完。
周五晚高峰，數(shù)據(jù)倉(cāng)庫(kù)例行跑批，平時(shí)溫順的 ETL 任務(wù)突然暴走，內(nèi)存占用 98%，眼看就要 OOM。
我順手測(cè)試把 enable_spill 打開，exec_mem_limit 降到 8 G，讓任務(wù)滾去磁盤睡覺。半小時(shí)后，任務(wù)穩(wěn)穩(wěn)當(dāng)當(dāng)寫完 9 TB 數(shù)據(jù)，磁盤只占了 120 G。
老板在群里發(fā)了個(gè)紅包：“誰(shuí)把集群從崩潰邊緣拉回來(lái)？”
我默默點(diǎn)開，52 塊，備注兩字——“ disk”。
到這，可能有人要問(wèn)，Doris 4.0 到底變了啥？
我說(shuō)它學(xué)會(huì)了三招：
第一招，把向量索引做成“懶人模式”，高維數(shù)據(jù)不用倒騰到專用向量庫(kù)，一條 SQL 完成“結(jié)構(gòu)化 + 非結(jié)構(gòu)化”混合召回，省得數(shù)據(jù)在系統(tǒng)之間旅游。
第二招，把大模型揉進(jìn)函數(shù)庫(kù)，情感、摘要、翻譯、分類、提取、掩碼，一條龍服務(wù)，分析師再也不用 Python 寫腳本，DBA 也能秒變“ prompt 工程師”。
第三招，給離線任務(wù)加安全氣囊，內(nèi)存不夠就落盤，磁盤價(jià)換時(shí)間，老板再也不擔(dān)心任務(wù)半夜暴斃。
這三招聽起來(lái)像開掛，背后卻是現(xiàn)實(shí)主義——預(yù)算不漲、人手不增、需求翻倍，只能靠數(shù)據(jù)庫(kù)自己進(jìn)化。
Doris 4.0 不是來(lái)炫技，它是來(lái)救場(chǎng)的：讓中小團(tuán)隊(duì)用得起向量檢索，讓分析師不寫 Python 也能玩大模型，讓凌晨三點(diǎn)的報(bào)警短信少一條是一條。
老板今天又在群里發(fā)靈魂拷問(wèn)：“AI 時(shí)代，數(shù)據(jù)團(tuán)隊(duì)的價(jià)值到底在哪？”
我回了句：“價(jià)值在讓老板睡得著。”
屏幕那端沉默半分鐘，然后甩來(lái)一句：“下周給 Doris 集群再加四臺(tái)機(jī)器，別讓我半夜接電話。”
我笑著合上電腦，心想：數(shù)據(jù)庫(kù)都學(xué)會(huì)搶飯碗了，咱再不升級(jí)，真要被它優(yōu)化掉了。
