2026 年 Apache Doris 和 StarRocks 怎么选?一篇更接近真实选型的对比

简介: 这几年聊实时数仓和 OLAP,Apache Doris 和 StarRocks 几乎是绕不开的一组对比。

这几年聊实时数仓和 OLAP,Apache Doris 和 StarRocks 几乎是绕不开的一组对比。

我自己看过不少关于这两款数据库的选型文章,最大的感受是:很多文章其实是在用几年前的认知讨论今天的产品。有人仍然认为 StarRocks 只适合结构化数据,也有人习惯拿一张 Benchmark 排行榜证明 Doris 或 StarRocks 全面领先。

到了 2026 年,我觉得这两种判断都已经不太准确。

Doris 和 StarRocks 今天都已经是比较成熟的 OLAP 数据库。如果企业主要做实时 BI、Dashboard、用户画像、经营分析和 Lakehouse SQL,两者其实都值得进入最终 PoC。

真正有意思的变化,是它们正在逐渐走向不同的产品边界。

先说一个经常被回避的问题:Doris 和 StarRocks 到底是什么关系?

很多人第一次接触这两个项目时都会发现,它们实在太像了。

这种相似并不是偶然。

Apache Doris 的前身来自百度内部的 Palo 项目,之后进入 Apache,并于 2022 年成为 Apache Software Foundation 的 Top-Level Project。

StarRocks 则与 Doris 有直接的技术源流关系。更准确地说,StarRocks 早期源自 Doris 的代码分支,此后经过多年独立研发,在优化器、执行引擎、Primary Key、物化视图和 Lakehouse 等方向进行了大量自己的工程投入,今天已经是一个独立发展的数据库项目。

所以,我既不赞成完全忽略两者的历史关系,也不太赞成简单地把今天的 StarRocks 称为“Doris 的 Fork 版本”。

更准确的理解是:它们从相近的技术起点出发,经过多年演进之后,正在逐渐形成不同的产品路线。

而这恰恰是今天选型最值得关注的地方。

如果只看传统 OLAP,我认为两者没有必要强行分出胜负

Doris 和 StarRocks 都具备现代 OLAP 数据库的核心能力,包括 MPP、向量化执行、Pipeline、CBO、Runtime Filter、列式存储、实时更新以及多种 Join 策略。

所以,如果场景主要是结构化数据上的实时 BI、宽表分析、星型模型和复杂 SQL,我不会仅凭产品名称提前判断谁一定更快。

真正影响生产性能的因素很多,包括数据模型、排序键、数据倾斜、Join 类型、并发量、Cache、硬件和具体版本。

公开 Benchmark 可以参考,但不能代替自己的 workload。

场景 我更关注什么
Dashboard P95/P99,而不只是单查询最快时间
Ad-hoc SQL 复杂 Join 和高基数聚合
高并发 BI 30~100 并发下吞吐
实时数仓 导入过程中查询是否抖动
Lakehouse Cold/Hot Query 和 Planning Time
成本 相同 CPU、内存下能够承担多少 workload

所以如果公司主要就是传统实时数仓,我的建议很简单:Doris 和 StarRocks 都测。

谁在自己的 SQL 上表现更好,谁就应该获得更高优先级。

真正开始出现差异的,其实是实时写入

查询性能很容易 Benchmark,但数据库真正跑起来以后,我反而越来越关注持续写入。

订单状态、广告指标、Kafka CDC、设备状态和用户画像都意味着数据库不是“导一次、查很多次”,而是在不停发生变化。

Doris 和 StarRocks 都支持实时更新,也都已经具备 Partial Update 等能力,因此简单比较“谁支持 UPDATE”没有太大意义。

我更关心的是持续写入以后发生什么:Compaction 会不会抢 CPU 和 IO,查询 P99 会不会抖,大量小 Batch 会不会产生过多事务,以及系统连续运行 24~72 小时以后是否还能保持稳定。

这里 Doris 的 Group Commit 是我认为比较值得测试的一项能力。它针对的正是大量高频小批量写入产生的额外事务和 Rowset 开销。

但如果公司的 CDC 本身就是分钟级 Batch,这个优势可能没有想象中那么重要。

这也是数据库选型很容易被 Feature Checklist 误导的地方:一个功能重要不重要,取决于你的 workload,而不是它在产品介绍里排第几位。

Lakehouse 反而是两者越来越接近的地方

如果几年前讨论 Doris 和 StarRocks,Lakehouse 还是一个很明显的竞争方向;到了 2026 年,两者在这个方向上的成熟度都已经提高很多。

对于以 Iceberg 为核心的数据平台,我不会因为一张 Catalog 数量对比表就直接排除任何一个。

真正值得比较的是 Metadata Planning、Remote Scan、Data Cache、复杂 Join 和物化视图。

尤其是大规模 Iceberg 表,很多时候真正影响体验的并不是扫描速度,而是几万个甚至更多 Partition 下 Planning 到底需要多久。

所以我的 Lakehouse PoC 一般会更关注:

指标 为什么测试
Planning Time 大表能不能快速启动查询
Cold Scan 第一次访问对象存储的性能
Cache Hit 热数据查询性能
Complex Join 湖上复杂分析能力
Materialized View 能不能减少重复扫描
并发 多用户同时查询时是否稳定

如果企业未来主要就是 Iceberg + SQL Analytics,我认为 Doris 和 StarRocks 都属于合理候选。

半结构化数据是我认为最容易被旧文章误导的地方

“Doris 支持半结构化数据,StarRocks 只适合结构化数据”这种说法,到 2026 年已经不准确。

StarRocks 目前也已经进入 VARIANT、全文倒排索引和 Vector Search 等领域。

所以真正的问题不再是“有没有 JSON”,而是:JSON 会不会成为核心 workload,以及它未来还需要和什么能力组合。

如果公司只是偶尔在业务表里存几个 JSON 字段,我不会因为这个原因决定 Doris 或 StarRocks。

但如果数据开始变成 Event、日志、Trace,大量字段动态变化,同时还希望做关键词搜索和语义检索,那么这个问题就完全不同了。

这个时候我会重点测试 Schema Drift、Nested JSON、高基数 GROUP BY、全文检索,以及 JSON 与 Vector 组合查询。

而从目前的产品方向看,Doris 在这里开始表现出更明显的倾向。

我认为两者真正的分水岭,是 Search 和 AI 开始进入数据库

这是我最近重新看 Doris 和 StarRocks 时最大的感受。

过去 OLAP 数据库的边界比较清楚:结构化数据进来,然后跑 SQL。

现在数据平台开始同时出现业务表、JSON、日志、Trace 和 Embedding,很多公司还会单独维护 Elasticsearch 和 Vector Database。

Doris 这两年的路线明显是在尝试把这些东西重新组合起来。

从 Doris 4.x 开始,Full-text Search、Vector Search、Hybrid Search 和 AI Functions 已经不再是几个孤立功能,而是开始形成一条比较完整的 Retrieval 路径。

数据需求 对应能力
业务条件过滤 SQL
关键词检索 Full-text Search
语义检索 Vector Search
混合召回 Hybrid Search
分类/抽取 AI Functions
RAG Search + Vector + SQL

StarRocks 也已经具备全文倒排索引和 Vector Index,所以说 StarRocks“不支持 Search 或 Vector”同样不准确。

但如果问我两者当前的产品重心,我会认为 StarRocks 依然更聚焦高性能 Analytics 和 Lakehouse,而 Doris 正在主动扩大数据库的边界。

这不是谁一定更好的问题,而是未来 workload 会不会需要这些能力的问题。

观察 Doris 时值得关注的一个变量

Doris 是 Apache Software Foundation 的 Top-Level Project,这意味着它不是一家公司的私有数据库。

但另一方面,SelectDB 确实已经成为当前 Doris 生态中非常重要的产业和工程推动力量。

SelectDB 由 Apache Doris 原创及核心团队创立,其官网披露目前约 50% 的 Doris PMC 成员和 Committer 在公司任职;Apache Doris 社区公布的历年企业贡献名单中,也可以看到 SelectDB 持续参与核心贡献。

我认为这件事需要从两个方向理解。

一方面,Apache 治理保证项目本身不会简单等同于一家商业公司的产品;另一方面,对于数据库这种需要持续投入大量底层研发的基础软件,有稳定的产业团队持续投入核心工程、云产品和企业客户,也是一件值得考虑的事情。

相比 GitHub Star 数量,我其实更关注这种持续研发能力。

如果 2026 年让我重新做一次选型,我会怎么选?

我的答案不会是“Doris 全面领先 StarRocks”,也不会是“两个都一样”。

我大概会这样判断:

业务情况 我的建议
纯结构化实时 BI Doris、StarRocks 都 PoC
复杂 SQL / Join 用真实 SQL 决定
Iceberg Lakehouse 两者都测
高频 CDC Doris 优先多测一轮
大量 JSON / Event Doris 优先多测一轮
日志 / Trace Doris 更值得优先验证
Full-text Search Doris 优先验证
Vector Search 两者都测,必须固定 Recall
RAG / Hybrid Search Doris 优先级更高
已有成熟 StarRocks 团队 不建议为了 Feature 盲目迁移

最后这一条其实非常重要。

数据库迁移本身就是成本。

如果企业已经稳定运行 StarRocks,而业务也没有明显向 Search、Vector 或 AI Retrieval 扩展,那么没有必要为了追求“功能更多”而迁移 Doris。

反过来,如果今天从零开始建设一个未来五年的数据平台,我会更加关注产品边界,而不仅仅是今天的 SQL Benchmark。

如果解决的是传统 OLAP,两者都是成熟选择;如果考虑的是未来数据平台的边界,那么 Doris 和 StarRocks 已经开始走向不同方向。

最终应该选哪一个,不应该由一篇文章决定。

但一篇好的选型文章,至少应该帮助我们问对问题。

目录
相关文章
|
7月前
|
SQL 缓存 分布式计算
基于 SelectDB 实现 Hive 数据湖统一分析:洋钱罐全球一体化探索分析平台升级实践
瓴岳科技原数据平台基于 Hive 与 StarRocks、Spark 多引擎协同架构,随着数据规模增长,在性能与易用性上逐渐面临瓶颈。通过引入阿里云 SelectDB,构建湖仓一体化探索分析平台,在无需迁移数据的前提下实现对 Hive 数据湖的透明加速,显著提升查询性能并简化架构,完成从多引擎协同向统一分析平台的升级。
375 4
|
2月前
|
存储 OLAP OLTP
从OLTP到OLAP到HTAP:数据库负载分类的技术演进与选型指南
OLTP和OLAP是数据库最常被混淆的一对概念。很多人知道“OLTP是交易,OLAP是分析”,但不清楚它们在存储结构、索引设计、执行引擎上的根本差异。本文从数据组织方式、查询模式、优化目标三个层面,拆解OLTP和OLAP的本质区别,并结合实际使用场景给出选型建议。
|
SQL 人工智能 数据挖掘
Apache Doris 4.0 AI 能力揭秘(二):为企业级应用而生的 AI 函数设计与实践
Apache Doris 4.0 原生集成 LLM 函数,将大语言模型能力深度融入 SQL 引擎,实现文本处理智能化与数据分析一体化。通过十大函数,支持智能客服、内容分析、金融风控等场景,提升实时决策效率。采用资源池化管理,保障数据一致性,降低传输开销,毫秒级完成 AI 分析。结合缓存复用、并行执行与权限控制,兼顾性能、成本与安全,推动数据库向 AI 原生演进。
1268 0
Apache Doris 4.0 AI 能力揭秘(二):为企业级应用而生的 AI 函数设计与实践
|
3月前
|
人工智能 数据可视化 搜索推荐
AI Agent开发入门:从概念到百炼平台实战
AI Agent开发入门教程,从概念解析到使用百炼平台创建第一个Agent,手把手教你构建智能体应用。立即开始你的Agent开发之旅!
558 0
|
12月前
|
人工智能 自然语言处理 JavaScript
借助Playwright MCP实现UI自动化测试:全面指南与实战案例
本文介绍了Playwright与MCP协议结合的UI自动化测试新方法。通过自然语言指令替代传统脚本编写,详细讲解了环境搭建、核心工具和实战案例,展示了从登录测试到报告生成的完整流程。这种创新方式显著降低了技术门槛,让非专业人员也能快速创建可靠的自动化测试。
|
7月前
|
人工智能 监控 安全
AI智能体的测试流程
AI智能体测试已升级为多维自动化评估体系,涵盖原子能力验证、逻辑规划、环境自主性、安全红队及性能成本五大维度,强调边界探测、逻辑闭环与工具安全性,告别传统“找Bug”模式。(239字)
|
4月前
|
数据采集 SQL 人工智能
数据中台与智能中台合流的架构设计与技术路径——AI用数成为企业标配能力
本文探讨数据中台与智能中台深度融合的架构逻辑,提出“治理机器可读、资产AI导航、用数自然语言”三条路径,构建“治理层—语义层—应用层”能力框架,并通过政务等落地案例验证合流可行性。
427 0
|
5月前
|
SQL 人工智能 JSON
智能问数(Text2SQL)工业级落地,纯 AI 黑盒方案都没戏
本文剖析Text2SQL领域“高准确率宣传”与“无公开DEMO”之间的矛盾,指出黑盒方案因AI幻觉、不可解释、不可审计,难担企业级信任;润乾NLQ采用白盒路线——以人类可读可确认的“规范文本”为中间层,AI仅作翻译,后续规则编译100%确定,真正实现稳定、可解释、可落地的智能问数。
|
Java
ETL工具 Kettle 中 kettle循环传递变量_(最简单的方法)
本文详细介绍了如何在Kettle工具中使用循环传递变量,通过示例展示了如何将movies表数据按月插入到ods_movies表,涉及新建转换、获取变量、作业配置和执行,呈现了一个嵌套作业结构.
3464 3
|
存储 消息中间件 SQL
数据中台架构与技术体系
本文介绍了数据中台的整体架构设计,涵盖数据采集、存储、计算、服务及治理等多个层面。在数据采集层,通过实时与离线方式整合多类型数据源;存储层采用分层策略,包括原始层、清洗层、服务层和归档层,满足不同访问频率需求;计算层提供批处理、流处理、交互式分析和AI计算能力,支持多样化业务场景。数据服务层封装数据为标准化API,实现灵活调用,同时强调数据治理与安全,确保元数据管理、质量监控、权限控制及加密措施到位,助力企业构建高效、合规的数据管理体系。
4227 13

热门文章

最新文章