一個引擎、一份副本、一種方言：Apache Doris 如何支撐 OT Flash

OT Flash 只用 Apache Doris 這一個分析引擎，原因在於 Doris 一身兼任了資料倉儲的兩個角色：既存資料，也跑查詢。Flash 因此不必在一層獨立的儲存之上，再架一層獨立的查詢引擎。對你的資料來說，這意味著兩件很具體的事。接入的業務表會匯入 Doris 內部表，Flash 處理的是一份副本，新鮮程度取決於最近一次裝載；Agent 發出的每一次表查詢，包括外部 Agent 經 MCP 發來的查詢，都是一條只讀的 Doris SQL，執行完帶著回執返回。限制同樣具體：Flash 面向一個業務域，這個業務域的資料要能放進一個分析引擎；它不附帶資料管道引擎，也不會就地查詢資料湖。已經在執行 Hadoop、Hive 或 Iceberg，又需要 ETL 或 AutoML 的團隊，DataFocus 給出的答案是 OT Heavy。

下文把這幾句話逐一落到機制上：Doris 在一套 Flash 安裝裡處於什麼位置；SQL 契約放行什麼、拒絕什麼；一個問題如何變成一條帶回執的 Doris 查詢；資料如何進來；以及單引擎設計從哪裡開始不再划算。

用 Doris 專案自己的話說，Doris 是什麼

Apache Doris 官方文件把這個專案描述為基於 MPP 的即時資料倉儲，可在大數據集上以亞秒級返回結果（Apache Doris 文件，2026 年 11 月查閱）。同一頁定義了下文反覆用到的兩個角色：

• Frontend（FE）節點：接收請求、規劃查詢、儲存後設資料。
• Backend（BE）節點：儲存資料並執行查詢。資料切分為分片（shard），在多個 BE 節點上儲存多份副本。

儲存角色和計算角色同在一個系統裡，這正是 Doris 能夠頂替“兩層棧”的原因。上游 Doris 還能作為查詢引擎訪問外部資料：4.x 湖倉概覽（最近更新於 2026 年 5 月）列出了 Hive、Iceberg、Hudi、Paimon 以及支援 JDBC 的資料庫作為可連線的資料來源。請記住這一點，因為 Flash 用的是前一種模式，不是後一種。

版本方面，以 Doris 下載頁 2026 年 11 月的資訊為準：仍在維護的分支是 4.1 和 4.0，更早的分支不再發布新版本，安全補丁也不例外。DataFocus 沒有說明 Flash 內建的是哪個 Doris 版本，請在你自己的安裝裡檢視。

Doris 在一套 Flash 安裝裡處於什麼位置

Flash 的手冊和 README 在三處提到 Doris，每一處都說明了設計的一個側面。

**作為內建資料來源。**r57 使用者手冊稱它為“DataFocus system Doris”。同一份資料來源列表裡還有一個外部型別“SelectDB / Doris”，用來連線你已經在執行的 Doris 叢集。匯入的資料落在內建的那一個裡。

**作為匯入資料的儲存。**Flash 的 GitHub README 寫明：Apache Doris 以內部表儲存匯入的業務資料。README 還列出了 Doris 到 S3 相容儲存的線上快照，並註明恢復快照會中斷服務。也就是說，分析資料的備份單位是一份 Doris 快照，而一次恢復就是一個維護視窗。

**作為監控頁上的兩個容器。**系統管理的指標頁列出各服務容器，Doris 以一個前端容器加一個後端容器出現，與專案的節點角色一一對應：

容器	角色（我們對容器名的解讀）
df-doris-fe	Doris 前端：查詢規劃與後設資料
df-doris-be	Doris 後端：儲存與執行
df-pgsql	PostgreSQL
df-redis	Redis
df-webserver、df-biserver、df-search、df-nginx	Web、BI、搜尋與代理服務

正常執行時每個容器各有一個例項。Doris 面板顯示查詢狀態、活躍的 FE 與 BE、儲存量和內部表數量；PostgreSQL、RabbitMQ 和 Redis 作為基礎設施服務列在它旁邊。所以“一個引擎”要讀得準確：Flash 只有一個分析引擎，但不是隻有一個程序。這個設計省掉的是“查詢引擎加資料倉儲”這一對組合，而不是棧裡的其餘部分。

一個問題如何變成一條 Doris 查詢

DataFocus 的產品簡介用一句話說明了原則：“底層是真實的計算引擎（Flash 用 Apache Doris，Heavy 用 Trino 等），回答來自實際執行的 SQL……不讓大模型去‘估’數字。”每一次查詢都返回實際執行的 SQL、用到的表和一個數據指紋。

r56 Agent 與 MCP 手冊把這條原則寫成了契約。dfc_table 查詢工具在一個本體的範圍內執行一條只讀的 Doris 查詢，並強制以下規則：

1. 識別符號用顯示名，以雙引號括起。Agent 從不直接引用物理列。
2. **禁止 SELECT * 和 table.*。**這是許可權機制，不是程式碼風格：萬用字元可能觸及使用者已註冊列許可權之外的物理列。
3. 關聯必須寫成顯式的 JOIN ... ON。NATURAL JOIN 和 JOIN USING 會被拒絕，於是在實際執行的 SQL 裡，關聯條件永遠看得見。
4. **允許分析型 SQL。**多維聚合、CTE、視窗函式、CASE 和 COUNT(DISTINCT ...) 都可以用。手冊的要求是：聚合、排序和排名先在 SQL 裡做完，然後才套用行數限制。
5. **maxRows 預設 100，上限 200。**被截斷、零行或失敗的結果，不得當成完整的統計數字來描述。
6. 日期用 Doris 的寫法。CURRENT_DATE、DATE_SUB(CURRENT_DATE, INTERVAL 1 YEAR)、DATE_TRUNC(column, 'month')、CAST('2026-09-01' AS DATE)。SQLite 的 DATE('now', ...) 不在這份契約之內；手冊還要求你核對資料來源與會話的時區。

許可權隨本體走。Agent 只能拿到授權使用者可見的內容，越權請求被拒絕，也不透露資料是否存在。規則 1 到 3，就是這個承諾落到 SQL 層面之後仍然成立的保障。

例項：按地區和品類各取前 3 名產品

手冊給出的多維 Top 3 做法是：先聚合到要排名的粒度，再按分組維度做 ROW_NUMBER() 分割槽，並帶一個穩定的並列打破鍵，全部在服務端完成，而不是對可見行排名。按契約寫出來，顯示名均為假設，大致如下。這段查詢是示意程式碼，未實際執行：

-- 示意程式碼，未實際執行：顯示名均為假設
WITH totals AS (
  SELECT
    "Region",
    "Category",
    "Product",
    SUM("Order Amount") AS "Revenue"
  FROM "Sales Orders"
  WHERE "Order Date" >= DATE_SUB(CURRENT_DATE, INTERVAL 1 YEAR)
  GROUP BY "Region", "Category", "Product"
),
ranked AS (
  SELECT
    "Region", "Category", "Product", "Revenue",
    ROW_NUMBER() OVER (
      PARTITION BY "Region", "Category"
      ORDER BY "Revenue" DESC, "Product"
    ) AS "Rank"
  FROM totals
)
SELECT "Region", "Category", "Product", "Revenue", "Rank"
FROM ranked
WHERE "Rank" <= 3
ORDER BY "Region", "Category", "Rank";

三處細節承擔了全部重量。"Product" 這個並列打破鍵讓收入相同的產品也有確定的名次，正如手冊所要求。WHERE "Rank" <= 3 這一過濾在 Doris 內部執行，預設的 100 行限制就不可能把某個地區的第三名從末尾截掉。而且輸出天然就小：手冊自帶的同形樣例返回 36 行，遠在預設 maxRows 之內。手冊警告的失敗模式恰好相反：只查地區合計，再讓 Agent 把它當成產品排名來呈現。

返回的並不是原始結果集。行資料通過 evidenceRows 到達，這是 Agent 獲取行資料的唯一通道；隨行的還有 executionReceipt、完整性與截斷標誌，以及作為行資料指紋的 evidenceRowsSha256。數字以精確的十進位制 JSON 字串編碼，並通過 resultColumnContracts 標明型別，所以一個收入數字不會在送往答案的路上被浮點轉換抹掉精度。查詢違反契約時，工具返回帶 retryable 和 remediation 欄位的 errorCode；例如 TABLE_SCHEMA_INCOMPLETE 表示 Agent 必須先取得完整的表結構再重試。手冊還堅持：幣種、期間、訂單狀態、並列處理這些業務含義，必須在任何排名之前先定下來；單位絕不能從欄位名去猜。

如果你要把 Flash 接進其他 Agent，有一條邊界很要緊。MCP 手冊寫明，原生的 Trino、Hive 或 Hadoop 服務不屬於 Flash 的 Agent 入口，Flash 的查詢一律經過 Doris。外部 Agent 看到的因此只有一種 SQL 方言和一套許可權模型，沒有任何可以繞行的路徑。

資料如何進來，這份副本又要你付出什麼

你的資料不必事先就在 Doris 裡。r57 手冊列出的外部資料來源型別分為資料庫、API 源和 HTTP 源三組，包括 PostgreSQL、MySQL（含 MariaDB）、Oracle、IBM DB2、SQL Server、ClickHouse、Hive、Delta Lake、Iceberg、TiDB、SelectDB / Doris、OceanBase、SAP HANA、DM8 和 KingBase。表也可以從本地 CSV、Excel 或 JSON 檔案匯入。

文件記載的路徑分兩段：

1. 連線。填寫 Source Name（資料來源名稱）、Server（伺服器）、Port（埠）、Database（資料庫）、可選的 Schema 和 JDBC Param，以及使用者名稱和密碼，然後點選 Connect 測試連線。手冊建議使用一個專用的只讀資料庫賬號，且只能訪問你打算分析的那些庫和表。
2. **匯入。**三步向導：選擇資料來源，選擇表，再為裝載表配置匯入型別和可選的排程計劃。Table Task（表任務）標籤頁存放定時匯入任務。

因為 Doris 裡放的是副本，三條運維事實隨之而來：

• **新鮮度由你的排程決定。**匯入的表只和最近一次裝載一樣新。設定匯入週期時，要回答的問題是“答案最多允許陳舊到什麼程度”，而不是源系統方便與否。
• **儲存由你來規劃。**Doris 的資料盤必須裝得下你匯入的全部資料。系統要求和支援的平臺列在 GitHub 上的 OT Flash 發行說明裡；實際容量取決於資料量、併發和工作負載。
• **影響範圍就是那個賬號。**一個範圍收窄的只讀源賬號，決定了能被拉進 Flash 的資料上限在哪裡，無論由哪個使用者來配置匯入。

轉換這件事需要說得精確。Flash 不包含資料管道引擎；產品簡介只為 Heavy 列出了資料管道。Flash 提供的是產品內的表級工具：Join Worksheet（關聯工作表）、把同結構表上下堆疊的 Merge Worksheet（合併工作表）、帶編輯器的 SQL 檢視、組合相關表的資料集，以及“norm”公式。這些工具處理的是已經在 Doris 裡的表。清洗、去重或流處理這類重活，必須在資料到達 Flash 之前完成。

上游 Doris 可以像其湖倉文件所述那樣就地查詢湖上的目錄，但 Flash 手冊沒有描述把這一模式開放給使用者。請按“連線並匯入”來規劃。

單引擎設計換掉了什麼

問題	Flash：Doris 兼任計算與資料倉儲	Trino/Hive/Iceberg 式的棧，如 OT Heavy
分析層的活動部件	一個引擎，兩種容器角色（FE、BE）	一個帶自身協調器與工作節點的查詢引擎、一個數據倉庫、一種表格式和一層儲存（Trino 文件，2026 年 11 月查閱）
資料放在哪裡	複製進 Doris 內部表	留在資料湖中；Trino 聯結器讓引擎適配 Hive、Iceberg 或關係型資料來源
Agent 看到的 SQL 方言	僅 Doris SQL	Trino 等
資料管道與 AutoML	不提供	ETL（DataSpring，基於 Flink）與 AutoML
分析資料的備份單位	Doris 快照到 S3 相容儲存；恢復會中斷服務	取決於湖和倉兩層

所得：要部署的系統更少；所有 Agent 共用一份 SQL 與許可權契約；回執指向的是一個引擎上的一次查詢。所失：資料要複製進來而不是原地讀取；新鮮度計劃由你負責；表級重塑之外的任何處理都要在上游完成。DataFocus 沒有為任何一個版本釋出效能數字，所以這張表比較的是結構，不是速度。

Flash 還是 Heavy：一條決策規則

DataFocus 對 Heavy 的描述是“沿用 Hadoop、Hive、Trino 與 Iceberg 架構，同時具備 ETL 與 AutoML”，面向資料量大、已經在用大數據平臺、還需要資料加工和建模的企業。兩個版本都包含本體管理，也都支援 Agent 通過 MCP 接入。

• 選 Flash：目標是一個業務域，這個域的表能從容地放進一個分析引擎，你能接受按計劃重新整理的副本，並且轉換要麼在資料到達之前完成，要麼能用 Doris 裡的檢視和工作表完成。
• 選 Heavy：資料已經在 Hive 或 Iceberg 表裡，你不想再複製一份；需要內建的 ETL 或 AutoML；或者平臺團隊已經在運維 Hadoop 級別的基礎設施，並期望分析層架在其上。

決定大多數情況的，是 Flash 規則裡的第二個條件：你這個業務域的資料，能不能以副本形式放進一個 Doris 叢集，並按你掌控的計劃重新整理？能，單引擎設計就替你省掉一層本來要運維的東西；不能，Heavy 的湖倉棧才是誠實的選擇。

下一步

到 DataFocus 下載頁對比兩個版本，再到 r56 Agent 與 MCP 手冊完整閱讀 Doris 查詢契約。