饿了么基于Flink+Paimon+StarRocks的实时湖仓探索
饿了么的实时数仓经历了多个阶段的演进。初期通过实时ETL、报表应用、联动及监控构建基础架构，随后形成了涵盖数据采集、加工和服务的整体数据架构。1.0版本通过日志和Binlog采集数据，但在研发效率和数据一致性方面存在问题。2.0版本通过Dataphin构建流批一体化系统，提升了数据一致性和研发效率，但仍面临新业务适应性等问题。最终，饿了么选择Paimon和StarRocks作为实时湖仓方案，显著降低了存储成本并提高了系统稳定性。未来，将进一步优化带宽瓶颈、小文件问题及权限控制，实现更多场景的应用。
淘天AB实验分析平台Fluss落地实践：更适合实时OLAP的消息队列
淘天集团数据开发团队基于Fluss构建新一代实时数仓，解决数据消费冗余、探查困难及大State运维难题。Fluss融合列存与实时更新能力，支持列裁剪、KV点查、Delta Join及湖流一体，显著降低IO与计算资源消耗，提升作业稳定性与数据探查效率。已在淘天AB实验平台落地，覆盖搜索、推荐等核心业务，通过618大促验证，实现千万级流量、秒级延迟，资源消耗降低30%，State缩减超100TB。未来将持续深化湖仓架构，拓展AI场景应用。
Doris 架构原理及核心特性详解
Doris 是百度内部孵化的OLAP项目，现已开源并广泛应用。它采用MPP架构、向量化执行引擎和列存储技术，提供高性能、易用性和实时数据处理能力。系统由FE（管理节点）和BE（计算与存储节点）组成，支持水平扩展和高可用性。Doris 适用于海量数据分析，尤其在电商、游戏等行业表现出色，但资源消耗较大，复杂查询优化有局限性，生态集成度有待提高。
Apache Doris 在菜鸟的大规模湖仓业务场景落地实践
本文介绍了 Apache Doris 在菜鸟的大规模落地的实践经验，菜鸟为什么选择 Doris，以及 Doris 如何在菜鸟从 0 开始，一步步的验证、落地，到如今上万核的规模，服务于各个业务线，Doris 已然成为菜鸟 OLAP 数据分析的最优选型。
结合MCP 赋能可视化 OLAP 智能体应用
在数字化转型加速的背景下，企业面临数据利用率低、分析流程复杂等挑战。本文介绍基于阿里云 PolarDB 和百炼大模型的 MCP 协议智能分析方案，通过自然语言实现“对话即分析”，降低数据使用门槛，提升业务决策效率。方案结合云原生数据库与大模型能力，实现从数据查询到可视化分析的端到端自动化，助力企业快速构建智能分析应用。