SelectDB

在过去几年中，数据基础设施的演进始终围绕一个核心问题展开：如何更快地分析数据？ 但进入 2026 年，这个问题正在被重新定义。随着 AI 应用的爆发式增长，数据系统不再只是分析工具，而逐渐成为 智能系

本文整理自丰巢大数据开发工程师 宋友刚 在 Doris Summit 2025 中的演讲。 丰巢的业务覆盖快递、广告、洗护和到家四大板块。围绕这些核心业务，上层运行着大量应用系统，每天持续产生海量日志

在快递行业，运单数据贯穿业务全流程，每一单的流转状态、时效分析、异常监控，都离不开实时数据的支撑。作为行业领军企业，中通快递每天新增的运单数据超过 6 亿条（80% 为更新操作），总数据量高达 45

Apache Doris 4.0.4 已正式发布，该版本相较于其他 4.0.x 版本，更稳定、可靠。Apache Doris 4.0.4 版本囊括了 4.0.1 至 4.0.4 四个版本中所有的优点。

AI 时代日志爆增带来的难题 当下，日志成为 AI 时代最丰富的数据资源。每一次推理请求，从 prompt 输入到 token 输出，都会在请求路由、模型调度、GPU 显存分配、KV Cache 命中

像 PostgreSQL 和 MySQL 这样的 OLTP（在线事务处理）数据库，凭借其强一致性和高并发事务处理能力，已成为行业标准。为应对更大规模的工作负载，许多团队还会引入分库分表方案，将数据分布

传统观念中，事务往往与 OLTP（在线事务处理）系统紧密关联，而 OLAP（在线分析处理）系统更注重查询性能和数据吞吐量。然而，随着企业数字化转型的深入和实时分析需求的爆发，这一观念正在被打破。现代实

我们正处在一个数据与智能深度耦合的时代。当生成式 AI 重构着人机交互的边界，当大模型开始渗透每一个业务环节，一个根本性问题浮出水面：AI 究竟能跑多快、多准，这取决于它能多快、多准地获取实时数据。

数据的爆发式增长与业务对实时性的极致追求，驱动易车技术团队在实时湖仓建设上持续探索。目前易车已基于 Apache Doris + Paimon + Hive 构建了湖仓一体化数据平台，实现架构收敛统一