DataFocus · 博客
OT Flash 還是 OT Heavy?三個問題決定你裝哪個版本
Flash 把本體跑在一個 Apache Doris 引擎上;Heavy 跑在 Trino、Hive、Iceberg 與 Hadoop 之上,並內建 DataSpring ETL 與 AutoML。三個問題、一個假設場景和許可事實,幫你定下版本。
DataFocus OT Flash 與 OT Heavy 跑的是同一層本體,底下的資料底座卻不同,而版本選擇就取決於這一處差別。Flash 把 Apache Doris 放在底層,既當計算引擎也當資料倉儲:裝一個引擎,把一個業務域的表導進來就能開工,不帶 ETL 平臺,也不帶 AutoML。Heavy 則執行在 Trino、Hive、Iceberg 與 Hadoop 之上,內建基於 Flink 的 DataSpring ETL 和 AutoML,面向已經在運營、或者確實需要這套大數據棧的企業。三個問題就能定下來:你的生產環境是否已經在跑 Hadoop、Hive、Trino 或 Iceberg;第一個業務域的資料能不能放進一個分析引擎;你需要的是多步轉換管道和建模,還是定時匯入就夠。兩個答案指向同一邊,那就是你的版本。
兩個版本共有什麼
OT 指 Ontology(本體)。兩個版本都提供本體管理,也就是把業務物件、定義、規則和動作繫結到存放資料的表上的那一層。OT 產品簡介用一句話說明了兩版共同的設計原則:“底層是真實的計算引擎(Flash 用 Apache Doris,Heavy 用 Trino 等)”,所以每個答案都來自實際執行過的 SQL,而不是大語言模型估出來的數字。兩個版本也都通過 MCP 把本體開放給外部 AI Agent。
因此,本體概念、Agent 介面和以 SQL 為依據的答案是不變數。變的是引擎,以及引擎帶來的一切:資料怎麼進來、系統能擴到多大、誰來運維。
架構差別,說準確一點
| OT Flash | OT Heavy | |
|---|---|---|
| 版本頁上的定位 | “一個引擎,快速起步。” | 沿用 Hadoop、Hive、Trino 與 Iceberg 架構,同時具備 ETL 與 AutoML |
| 查詢引擎 | Apache Doris | Trino(分散式 SQL 查詢) |
| 儲存與資料倉儲 | Apache Doris 內部表 | Apache Hive(資料倉儲)、Apache Iceberg(開放表格式)、Apache Hadoop(分散式儲存與計算) |
| 本體管理 | 有 | 有 |
| 資料管道 | 不提供;代之以表級匯入工具 | DataSpring ETL,基於 Flink |
| AutoML 與 AI 自動建模研究 | 不提供 | 有 |
| AI Agent 接入(MCP) | 有 | 有 |
| 適合 | 想先在一個業務域快速跑通,資料可以集中到一個分析引擎裡的團隊 | 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 |
來源:版本與下載頁和 OT 產品簡介。GitHub 倉庫說的是同一件事,只是更簡短:Flash 倉庫把自己描述為“DataFocus 更輕、更快的版本,不含 ETL 與 AutoML 能力”,Heavy 倉庫則是“DataFocus 更全面的版本,具備本體管理、ETL、AutoML 與全棧資料倉儲能力”。
兩個版本為什麼長成不同的形狀,答案在引擎本身:
- Apache Doris,按專案自己的概覽(2026 年 11 月查閱)的說法,是“基於 MPP 的即時資料倉儲”。Frontend 節點負責查詢規劃和後設資料,Backend 節點負責儲存和執行,資料切成分片並在多個 Backend 節點上保留副本。儲存和計算在同一個系統裡,這就是“一個引擎”在運維上的含義。
- Trino 是一個自身不帶儲存的查詢引擎。它的概念頁寫到,協調節點(coordinator)“負責解析語句、規劃查詢並管理 Trino 工作節點”,聯結器則讓 Trino 對接“諸如基於 Hadoop/Hive 或 Apache Iceberg 的資料湖這樣的資料來源”。用例頁還補了一句:“Trino 並非為處理聯機事務處理(OLTP)而設計”——它是架在你已有儲存之上的分析層。
- Apache Iceberg 在專案官網上自稱“面向超大分析表的高效能格式”;它的分割槽文件解釋了隱藏分割槽,即使用者“不需要知道表是如何分割槽的”,並與 Hive 做了對照——在 Hive 中,分割槽是顯式的列,查詢必須對其過濾。
在 Flash 裡,整套佔用在一個監控頁面上一目瞭然:r57 手冊的系統管理頁面列出 Web 伺服器、搜尋、BI 伺服器、Doris FE、Doris BE、PostgreSQL、Redis 和 Nginx 各一個執行中的容器。在 Heavy 裡,資料層是一套分散式棧,有協調節點、工作節點、資料倉儲和儲存層——資料本來就住在那裡時,這是正確的形狀;資料不在那裡時,就是錯誤的形狀。各版本的系統要求和支援平臺見其發行說明;按資料量、併發和所用模型來規劃資源。
“Flash 沒有 ETL”不等於“Flash 接不了外部資料”
版本表把 ETL 和 AutoML 列在 Heavy 名下,Flash 沒有。這說的是各版本提供什麼,並不涉及 Flash 能否連到你的資料庫。它能。
Flash r57 使用者手冊記載了一個內建資料來源“DataFocus system Doris”,外加按資料庫、API 和 HTTP 分組的外部資料來源。資料庫清單包括 PostgreSQL、MySQL 與 MariaDB、Oracle、SQL Server、IBM DB2、ClickHouse、Hive、Iceberg、Delta Lake、TiDB、SAP HANA 等。接入一個數據源需要填資料來源名稱、伺服器、埠、資料庫、可選的 schema 與 JDBC 引數,以及憑據;手冊建議使用專用的只讀資料庫賬號,並把許可權限制在你打算分析的表上。匯入是一個三步向導(選資料來源、選表、設定匯入型別和可選的排程計劃),定時匯入作業集中在“表任務”(Table Task)頁籤。本地檔案以 CSV、Excel 或 JSON 進入。表進了 Doris 之後,Flash 提供表級加工:關聯工作表(Join Worksheet)、用於堆疊同結構表的合併工作表(Merge Worksheet)、帶編輯器的 SQL 檢視、組合相關表的資料集,以及公式。
Flash 沒有的是 DataSpring。Heavy 手冊稱它為“內置於 OT Heavy 的統一批流 ETL 平臺”。在 DataSpring 裡,邏輯是畫布上由處理器組成的任務流,可手動執行,也可定時執行。每個處理器的輸出都必須帶主鍵,否則任務流無法執行(沒有主鍵的源表會得到一個生成的 flink_uuid 列);“血緣”(Lineage)按鈕能展示每一列在整條任務流中來自哪裡。這和匯入嚮導加 SQL 檢視不是同一類工具。
決策規則由此直接得出。如果你需要的轉換可以寫成“按計劃把這些表複製到 Doris,然後在上面做關聯或定義一個 SQL 檢視”,Flash 就夠用。如果你需要帶列級血緣的多步流程、流處理,或者由多個團隊共同維護的管道,那正是 DataSpring 存在的理由,而它在 Heavy 裡。
一點背景:Doris 4.x 湖倉一體概覽(最後更新於 2026 年 5 月)提到 Doris 可以連線 Hive、Iceberg、Hudi、Paimon 和 JDBC 資料庫。那是上游 Doris 的能力,不是 Flash 文件記載的功能。把它當作背景看,不要當作承諾。
一個假設場景
假設有一家中型分銷商,銷售訂單存在 MySQL 裡,ERP 跑在 Oracle 上。銷售總監想看按客戶和區域劃分的毛利,還想讓銷售團隊用自然語言直接問。
Flash 的路徑很短。DBA 在兩個資料庫上各建一個只讀賬號,範圍限定在訂單、客戶、產品和成本表。管理員在 Flash 裡新增兩個資料來源,分別跑一遍匯入嚮導並設為每夜排程,再建一個關聯工作表或 SQL 檢視,在 Doris 裡產出一張毛利表。銷售本體建在這張表和相關表之上,Agent 用對 Doris 執行的 SQL 作答。唯一需要做的資料工程決策是重新整理頻率——版本頁也明確要求 Flash 的採購方規劃這一點:資料如何進入 Doris,多久重新整理一次。
現在改動一個事實。假設這家分銷商屬於一個集團,集團已經把好幾年的訂單、發運和庫存歷史放在 Hadoop 叢集上的 Hive 表裡,財務部門想要一張從四個系統對賬得出的每日毛利表,還要有能拿給審計看的血緣。把這些歷史每夜複製進一個 Doris 引擎是錯誤的設計——資料已經住在集團運營的資料倉儲裡。Heavy 把本體放在這套資產旁邊,通過 Trino 查詢它,並把對賬表做成一條 DataSpring 任務流,其“血緣”按鈕能逐列回答審計的提問。同一家分銷商,兩種資料資產,兩個不同的版本。
兩個版本的 Agent 接入
兩個版本都列出了面向 AI Agent 的 MCP 接入,而文件是圍繞 Flash 組織的。
- Flash 有一份公開的 Agent/MCP 手冊(r56)。它說明 Agent 的表查詢是 Doris SQL,原有的 Trino、Hive、Hadoop 服務以及 Heavy 的 ETL 不屬於 Flash 的入口:Agent 不得呼叫它們。
- Heavy 同樣提供 MCP 接入,其面向 Agent 的管理介面在手冊裡描述得更細。系統管理區有一個“外部 Agent”頁籤,用來設定外部 Agent 可以發起哪幾類寫操作,並包含 Agent 變更審批和 MCP 資料管理員訪問許可權。外部 Agent 實際可寫的範圍是三樣東西的交集:外部 Agent 操作設定、精確的 OAuth 授權範圍,以及對系統資源的 EDIT 許可權;這個頁籤並不會另造一套許可權體系。角色列表中還有專門的 MCP 角色,例如
MCP_EXECUTION_RUN_ADMIN和MCP_DATA_ENTRY_AUTHORING_ADMIN。至於接入的具體機制,Heavy 手冊的文件索引指向 Flash 的手冊。
兩條實際提醒對兩個版本都適用。Heavy 是包含 AutoML 和 AI 自動建模研究的版本;如果這兩項在你的需求清單上,比較到此結束。另外,DataFocus 不提供公開託管的 MCP 端點,也沒有線上沙箱,所以 Agent 評估要對著你自己安裝的例項進行,工具 schema 也來自那個經過認證的例項。
許可與分發:節點問題
兩個版本的安裝映象都在 GitHub 上免費分發,無需官網註冊或付款;發行說明會告訴你如何選擇平臺、核對校驗資訊並完成安裝。先看版本與下載頁,再到 Flash 和 Heavy 倉庫。另有獨立的雲服務選項,在控制台辦理註冊與開通。
下載頁用三句話定下許可條款:“社群版在單節點上執行,使用者數不限,不收許可費”;“軟體為閉源,條款隨各安裝包提供”;社群版許可“不包含伺服器、模型呼叫與運維”。企業訂閱則增加多節點與叢集部署、私有工單、升級與遷移協助,以及長期安全補丁。
節點條款對 Heavy 的影響大於對 Flash 的影響。Flash 的部署天生就是單節點設計:一個 Doris FE 和一個 BE,與應用容器並排。Hadoop 級別的部署通常是多節點的,而多節點與叢集部署列在該頁面的企業訂閱一側。在為 Heavy 叢集做容量規劃之前,先讀所選版本隨包文件裡的許可、服務範圍和節點說明。
把三個問題做成決策表
| 問題 | 是 | 否 |
|---|---|---|
| 1. 你的生產環境是否已經在跑 Hadoop、Hive、Trino 或 Iceberg? | Heavy:把本體放在你已有的資料資產上 | 看第 2 題 |
| 2. 第一個業務域的資料能否放進一個分析引擎? | Flash:一個 Doris 引擎,定時匯入 | Heavy |
| 3. 除了定時匯入和 SQL 檢視,你是否還需要帶血緣的多步管道、流處理或 AutoML? | Heavy:DataSpring 和 AutoML 都在那裡 | Flash |
兩個答案落在同一列,版本就定了。意見分裂的情形——通常是“今天沒有 Hadoop,但需要管道或 AutoML”——是一項 Heavy 需求,也附帶 Heavy 的運營成本:為了拿到 DataSpring 和 AutoML,你得把 Hadoop、Hive、Trino 和 Iceberg 這一整套棧搭起來。要判斷的是管道是否值得這個平臺,或者第一個業務域能否先在 Flash 上起步,等這個問題想清楚再說。
無論選哪個都要接受的取捨
Flash 是一個引擎。它的規模就是單個 Doris 部署的規模,資料靠匯入而非管道進入,重新整理頻率是你自己的設計決策。Heavy 是一個平臺。它預設有一支運維 Hadoop、Hive、Trino 和 Iceberg 的團隊,而社群版許可只覆蓋一個節點。兩邊共同的一點:本文可用的來源沒有公佈基準測試、價格或合規認證,所以比較只能基於架構和匹配度。日後若要在版本之間遷移,先確認目標版本、源資料對映和本體匯出範圍。
下一步
讀一讀版本與下載頁,瞭解兩個版本的定位和許可條款;再讀 OT Flash 使用者手冊裡關於外部資料來源的章節,在做任何容量規劃之前先看清匯入路徑。