Apache Doris 与 ClickHouse 核心概念对比解析

Apache Doris 是目前极其热门的新一代实时 MPP 分析型数据库。相比于 ClickHouse，Doris 在使用体验上极大地降低了用户的心智负担。以下是 Doris 与 ClickHouse 在几个核心概念上的横向对比：

一、 分片与副本：Doris 的 Partition、Bucket 与 Tablet

在 ClickHouse 中，分片和副本通常需要在集群层面手工配置（甚至依赖 ZooKeeper）。而在 Doris 中，这一切都是全自动的。

• 分片（Sharding）：Doris 采用两级分片策略：Partition（分区） 和 Bucket（分桶）。
  • Partition：通常按时间切分（如按天分区），用于分离冷热数据。
  • Bucket：在分区内部，根据某个字段（如 user_id）进行 Hash 切分。Doris 里的 Bucket 完全等价于 ClickHouse 里的 Shard（分片）。
• 副本（Replication）：
  • 物理上，一个 Bucket 加上它的副本，在 Doris 中被称为一个 Tablet（数据分片），它是 Doris 底层存储和调度的最小物理单元。
  • 建表时只需指定 PROPERTIES("replication_num" = "3")，Doris 就会自动存 3 份。若节点宕机，Doris 的 FE（前端节点）会自动在其他机器上重建丢失的 Tablet 副本，完全无需依赖 ZooKeeper。

---

二、 本地表 vs 分布式表：Doris 的“大一统”

这是 Doris 和 ClickHouse 最大的区别之一，也是 Doris 备受喜爱的原因。

• ClickHouse 的痛点：需要分别建 Local 表和 Distributed 表。写入时建议写 Local，查询时查 Distributed。业务代码需维护两套表名，甚至自己写代码做数据路由（算哈希决定发给哪台机器）。
• Doris 的降维打击：没有本地表和分布式表的概念！
  • 单一逻辑表：在 Doris 中，表就是表（Logical Table）。你只需要直接 CREATE TABLE 订单表。
  • 智能写入：连接 Doris 集群的任意一个节点（FE），直接 INSERT INTO 订单表。Doris 内部会自动帮你把数据路由、切分到各个后端节点（BE）的 Tablet 中。
  • 透明查询：直接 SELECT * FROM 订单表，Doris 自动生成分布式查询计划并汇总结果。
  • 总结：使用 Doris 就像使用单机 MySQL 一样简单，底层的分布式存储与计算逻辑对用户完全透明。

---

三、 表引擎与数据更新：Doris 的三大数据模型

ClickHouse 依靠繁多的 MergeTree 家族引擎应对不同场景。Doris 则将其抽象为三大数据模型（Data Model）：

1. Duplicate 模型（明细模型）：
   • 等价于 ClickHouse 的基础 MergeTree。
   • 特点：只追加写入（Append-only），不做任何聚合或去重。适合存日志、行为埋点。
2. Aggregate 模型（聚合模型）：
   • 等价于 ClickHouse 的 AggregatingMergeTree。
   • 特点：数据导入时，自动按维度列将指标列进行聚合（SUM, MAX, MIN 等）。
3. Unique 模型（主键模型）—— 重头戏！：
   • 等价于 ClickHouse 的 ReplacingMergeTree，专门用于处理数据的更新（Update/Upsert）和删除。

核心对比：Doris 的 Unique 模型 vs CK 的 ReplacingMergeTree

在处理数据更新时，CK 的 ReplacingMergeTree 属于异步假更新，查询时必须加 FINAL 关键字才能保证数据准确，这极大地消耗了性能。

Doris 在更新机制上经历了两次进化，目前处于行业领先地位：

• 早期 Doris（Merge-on-Read，读时合并）：
  和 CK 类似。磁盘上存有多条主键相同的历史数据，查询时强制在内存中将旧数据折叠，只返回最新的。查询性能较差。
• 新版 Doris（Merge-on-Write，写时合并）—— 杀手锏功能：
  在建表时开启 PROPERTIES("enable_unique_key_merge_on_write" = "true")。
  • 原理：插入更新数据时，Doris 会立刻用 Bitmap（位图） 找到旧数据的位置，并直接打上“已删除”标记。
  • 查询效果：查询时，直接根据 Bitmap 过滤掉被标记的旧数据，无需在内存中做任何复杂的去重合并操作！
  • 优势：不仅实现了类似 MySQL 的精准更新，而且查询性能极高（几乎逼近不带更新功能的 Duplicate 模型），彻底解决了 ClickHouse 加 FINAL 查询慢的痛点。

---

四、 总结：ClickHouse 与 Doris 怎么选？

1. 选 ClickHouse：如果你有海量的数据（PB级别），极少甚至没有更新操作，追求极致的大宽表单表查询速度，且团队有较强的运维能力兜底（能搞定 Zookeeper、本地表直写等复杂架构）。
2. 选 Doris：如果你需要频繁更新数据（如实时同步 MySQL 的 Binlog）、业务线需要多表关联（JOIN 性能 Doris 远超 CK），并且希望系统极其简单易用（像 MySQL 一样一把梭，不需要业务线自己做分片和路由），那么 Doris 是目前更好的选择。