>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）


|场景|核心问题|关键能力|适用企业|
|:-:|:-:|:-:|:-:|
|01 半结构化数据分析 & AI 可观测性|JSON 嵌套、列数膨胀、Agent/Trace 日志分析|Variant 类型 + 稀疏列优化 + OpenTelemetry 集成|互联网、AI Agent 厂商、可观测性平台|
|02 混合检索与分析（HSAP）|单一模式无法兼顾关键词精确与语义召回|Vector Search + 全文检索 + 结构化过滤统一 SQL|RAG、智能问答、推荐系统|
|03 多模态场景 & AI SQL|数据处理门槛高、链路割裂|AI SQL + Python UDF + File 数据类型|多模态应用、特征工程团队|
|04 面向 Agent 的分析能力|Agent 缺乏语义信息、Text-to-SQL 效果有限|语义层建设 + Data Agent 集成 + 元数据 Open API|Agent 平台、企业知识库|
### 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


|维度|ApacheDoris2026Roadmap|传统MPPOLAP|单一向量数据库|单一湖查询引擎|
|:-:|:-:|:-:|:-:|:-:|
|向量 + 全文 + 结构化统一|单 SQL 即可，无需多系统拼装|仅支持结构化|仅向量检索|偏外部湖读取，写入弱|
|开放湖格式（Iceberg/Paimon）写入能力|DDL/DML 全流程，MERGE INTO 完整支持|一般无|无|多数只读|
|AI 可观测性数据底座|纳入 Roadmap（trace/logs/metrics + OpenTelemetry）|不涉及|不涉及|不涉及|
|面向 Agent 的语义层与元数据 API|重点建设|不涉及|不涉及|不涉及|
|File 数据类型与 AI SQL|Roadmap 重点|无|无|无|
|底层查询引擎 2026 路线|Condition Cache / 嵌套列裁剪 / ASOF Join 等|多为传统优化|无 SQL 引擎|优化方向单一|
>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）。


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"。

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

数据库

人工智能

大数据

ApacheDoris 2026 Roadmap以"Scale Intelligence, Accelerate Insight"为主题，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AISQL、面向Agent的分析能力四大场景，通过Variant类型增强、VectorSearch、语义层建设等能力，系统性构建AI时代统一数据基础设施，支撑企业从传统OLAP向智能数据平台演进。

向量数据库

数据预处理

数据一致性

结构化数据

存储性能

数据管理

数据处理

数据结构

数据分析

日志分析

数据湖

Agent

OLAP

JSON

2026上云采购 | AI焕新·智启新局

tchoused

腾讯云BI特惠9.9元起！


lexiang

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

ApacheDoris 2026 Roadmap以"Scale Intelligence, Accelerate Insight"为主题，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AISQL、面向Agent的分析能力四大场景，通过Variant类型增强、VectorSearch、语义层建设...

Apache Doris 2026 Roadmap：AI 成为主流负载后数据基础设施的演进方向-腾讯云开发者社区-腾讯云

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

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

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐