## 🌍 อ่านในภาษาอื่น [العربية](../ar-SA/README.md) • [বাংলা](../bn-BD/README.md) • [Deutsch](../de-DE/README.md) • [English](../../README.md) • [Español](../es-ES/README.md) • [فارسی](../fa-IR/README.md) • [Français](../fr-FR/README.md) • [हिन्दी](../hi-IN/README.md) • [Bahasa Indonesia](../id-ID/README.md) • [Italiano](../it-IT/README.md) • [日本語](../ja-JP/README.md) • [한국어](../ko-KR/README.md) • [Polski](../pl-PL/README.md) • [Português](../pt-BR/README.md) • [Română](../ro-RO/README.md) • [Русский](../ru-RU/README.md) • [Slovenščina](../sl-SI/README.md) • [ไทย](README.md) • [Türkçe](../tr-TR/README.md) • [Українська](../uk-UA/README.md) • [Tiếng Việt](../vi-VN/README.md) • [简体中文](../zh-CN/README.md) • [繁體中文](../zh-TW/README.md)

# Apache Doris [![License](https://img.shields.io/badge/license-Apache%202-4EB1BA.svg)](https://www.apache.org/licenses/LICENSE-2.0.html) [![GitHub release](https://img.shields.io/github/release/apache/doris.svg)](https://github.com/apache/doris/releases) [![OSSRank](https://shields.io/endpoint?url=https://ossrank.com/shield/516)](https://ossrank.com/p/516) [![Commit activity](https://img.shields.io/github/commit-activity/m/apache/doris)](https://github.com/apache/doris/commits/master/) [![EN doc](https://img.shields.io/badge/Docs-English-blue.svg)](https://doris.apache.org/docs/gettingStarted/what-is-apache-doris) [![CN doc](https://img.shields.io/badge/文档-中文版-blue.svg)](https://doris.apache.org/zh-CN/docs/gettingStarted/what-is-apache-doris)

[![Official Website]()](https://doris.apache.org/) [![Quick Download]()](https://doris.apache.org/download)

---

Apache Doris เป็นฐานข้อมูลวิเคราะห์ที่ใช้งานง่าย มีประสิทธิภาพสูง และแบบเรียลไทม์ที่ใช้สถาปัตยกรรม MPP เป็นที่รู้จักในด้านความเร็วสูงสุดและความง่ายในการใช้งาน ต้องการเวลาในการตอบสนองต่ำกว่าหนึ่งวินาทีเพื่อส่งคืนผลการค้นหาภายใต้ข้อมูลจำนวนมหาศาล และสามารถรองรับไม่เพียงแต่สถานการณ์การค้นหาจุดแบบพร้อมกันสูงเท่านั้น แต่ยังรวมถึงสถานการณ์การวิเคราะห์ที่ซับซ้อนแบบ throughput สูงด้วย ทั้งหมดนี้ทำให้ Apache Doris เป็นเครื่องมือที่เหมาะสำหรับสถานการณ์รวมถึงการวิเคราะห์รายงาน การค้นหา ad-hoc คลังข้อมูลแบบรวม และการเร่งความเร็วการค้นหาข้อมูลใน data lake บน Apache Doris ผู้ใช้สามารถสร้างแอปพลิเคชันต่างๆ เช่น การวิเคราะห์พฤติกรรมผู้ใช้ แพลตฟอร์มทดสอบ AB การวิเคราะห์การดึงข้อมูลบันทึก การวิเคราะห์โปรไฟล์ผู้ใช้ และการวิเคราะห์คำสั่งซื้อ 🎉 ดู 🔗[รุ่นทั้งหมด](https://doris.apache.org/docs/releasenotes/all-release) ซึ่งคุณจะพบสรุปตามลำดับเวลาของรุ่น Apache Doris ที่เผยแพร่ในช่วงปีที่ผ่านมา 👀 สำรวจ 🔗[เว็บไซต์อย่างเป็นทางการ](https://doris.apache.org/) เพื่อค้นพบคุณสมบัติหลัก บล็อก และกรณีการใช้งานของ Apache Doris โดยละเอียด ## 📈 สถานการณ์การใช้งาน ดังที่แสดงในรูปด้านล่าง หลังจากบูรณาการและประมวลผลข้อมูลต่างๆ แหล่งข้อมูลมักจะถูกเก็บไว้ในคลังข้อมูลแบบเรียลไทม์ Apache Doris และ data lake แบบออฟไลน์หรือคลังข้อมูล (ใน Apache Hive, Apache Iceberg หรือ Apache Hudi)

Apache Doris ถูกใช้อย่างแพร่หลายในสถานการณ์ต่อไปนี้: - **การวิเคราะห์ข้อมูลแบบเรียลไทม์**: - **การรายงานและการตัดสินใจแบบเรียลไทม์**: Doris จัดหารายงานและแดชบอร์ดที่อัปเดตแบบเรียลไทม์สำหรับการใช้งานองค์กรทั้งภายในและภายนอก รองรับการตัดสินใจแบบเรียลไทม์ในกระบวนการอัตโนมัติ - **การวิเคราะห์ Ad Hoc**: Doris เสนอความสามารถในการวิเคราะห์ข้อมูลหลายมิติ ช่วยให้การวิเคราะห์ business intelligence ที่รวดเร็วและการค้นหา ad-hoc เพื่อช่วยให้ผู้ใช้ค้นพบข้อมูลเชิงลึกจากข้อมูลที่ซับซ้อนได้อย่างรวดเร็ว - **การสร้างโปรไฟล์ผู้ใช้และการวิเคราะห์พฤติกรรม**: Doris สามารถวิเคราะห์พฤติกรรมผู้ใช้เช่นการมีส่วนร่วม การคงอยู่ และการแปลง ในขณะเดียวกันยังรองรับสถานการณ์เช่นข้อมูลเชิงลึกเกี่ยวกับประชากรและการเลือกกลุ่มสำหรับการวิเคราะห์พฤติกรรม - **การวิเคราะห์ Data Lake**: - **การเร่งความเร็วการค้นหา Data Lake**: Doris เร่งความเร็วการค้นหาข้อมูล data lake ด้วยเครื่องมือค้นหาที่มีประสิทธิภาพ - **การวิเคราะห์แบบรวม**: Doris รองรับการค้นหาแบบรวมในแหล่งข้อมูลหลายแหล่ง ทำให้สถาปัตยกรรมง่ายขึ้นและขจัด silo ข้อมูล - **การประมวลผลข้อมูลแบบเรียลไทม์**: Doris รวมความสามารถในการประมวลผลสตรีมข้อมูลแบบเรียลไทม์และการประมวลผลแบบแบทช์เพื่อตอบสนองความต้องการของความพร้อมกันสูงและความหน่วงต่ำของความต้องการทางธุรกิจที่ซับซ้อน - **การสังเกตการณ์แบบ SQL**: - **การวิเคราะห์บันทึกและเหตุการณ์**: Doris ช่วยให้การวิเคราะห์แบบเรียลไทม์หรือแบบแบทช์ของบันทึกและเหตุการณ์ในระบบแบบกระจาย ช่วยระบุปัญหาและเพิ่มประสิทธิภาพการทำงาน ## สถาปัตยกรรมโดยรวม Apache Doris ใช้โปรโตคอล MySQL มีความเข้ากันได้สูงกับไวยากรณ์ MySQL และรองรับ SQL มาตรฐาน ผู้ใช้สามารถเข้าถึง Apache Doris ผ่านเครื่องมือไคลเอนต์ต่างๆ และรวมเข้ากับเครื่องมือ BI ได้อย่างราบรื่น ### สถาปัตยกรรมแบบรวมการจัดเก็บและการคำนวณ สถาปัตยกรรมแบบรวมการจัดเก็บและการคำนวณของ Apache Doris ถูกทำให้เรียบง่ายและง่ายต่อการบำรุงรักษา ดังที่แสดงในรูปด้านล่าง ประกอบด้วยกระบวนการเพียงสองประเภท: - **Frontend (FE):** รับผิดชอบหลักในการจัดการคำขอของผู้ใช้ การแยกวิเคราะห์และการวางแผนการค้นหา การจัดการเมตาดาต้า และงานการจัดการโหนด - **Backend (BE):** รับผิดชอบหลักในการจัดเก็บข้อมูลและการดำเนินการค้นหา ข้อมูลถูกแบ่งเป็น shard และเก็บไว้พร้อมสำเนาหลายชุดในโหนด BE ![สถาปัตยกรรมโดยรวมของ Apache Doris](https://cdn.selectdb.com/static/What_is_Apache_Doris_adb26397e2.png)
ในสภาพแวดล้อมการผลิต สามารถปรับใช้โหนด FE หลายตัวเพื่อการกู้คืนจากภัยพิบัติ แต่ละโหนด FE รักษาสำเนาเต็มของเมตาดาต้า โหนด FE แบ่งออกเป็นสามบทบาท: | บทบาท | ฟังก์ชัน | | --------- | ------------------------------------------------------------ | | Master | โหนด FE Master รับผิดชอบการดำเนินการอ่านและเขียนเมตาดาต้า เมื่อมีการเปลี่ยนแปลงเมตาดาต้าใน Master จะถูกซิงค์ไปยังโหนด Follower หรือ Observer ผ่านโปรโตคอล BDB JE | | Follower | โหนด Follower รับผิดชอบในการอ่านเมตาดาต้า หากโหนด Master ล้มเหลว สามารถเลือกโหนด Follower เป็น Master ใหม่ได้ | | Observer | โหนด Observer รับผิดชอบในการอ่านเมตาดาต้า และใช้หลักเพื่อเพิ่มความพร้อมกันของการค้นหา มันไม่ได้เข้าร่วมในการเลือกผู้นำคลัสเตอร์ | ทั้งกระบวนการ FE และ BE สามารถขยายได้ในแนวนอน ทำให้คลัสเตอร์เดียวสามารถรองรับเครื่องหลายร้อยเครื่องและความจุการจัดเก็บหลายสิบเพตาไบต์ กระบวนการ FE และ BE ใช้โปรโตคอลความสอดคล้องเพื่อให้แน่ใจว่ามีความพร้อมใช้งานสูงของบริการและความน่าเชื่อถือสูงของข้อมูล สถาปัตยกรรมแบบรวมการจัดเก็บและการคำนวณมีการรวมกันสูง ลดความซับซ้อนในการดำเนินงานของระบบแบบกระจายอย่างมาก ## คุณสมบัติหลักของ Apache Doris - **ความพร้อมใช้งานสูง**: ใน Apache Doris ทั้งเมตาดาต้าและข้อมูลถูกเก็บไว้พร้อมสำเนาหลายชุด ซิงค์บันทึกข้อมูลผ่านโปรโตคอล quorum การเขียนข้อมูลถือว่าสำเร็จเมื่อสำเนาส่วนใหญ่เสร็จสิ้นการเขียน ทำให้แน่ใจว่าคลัสเตอร์ยังคงใช้งานได้แม้ว่าโหนดบางโหนดจะล้มเหลว Apache Doris รองรับการกู้คืนจากภัยพิบัติทั้งในเมืองเดียวกันและข้ามภูมิภาค ทำให้สามารถใช้โหมด master-slave แบบคลัสเตอร์คู่ได้ เมื่อโหนดบางโหนดประสบปัญหาคลัสเตอร์สามารถแยกโหนดที่ผิดพลาดออกโดยอัตโนมัติ ป้องกันไม่ให้ความพร้อมใช้งานของคลัสเตอร์โดยรวมได้รับผลกระทบ - **ความเข้ากันได้สูง**: Apache Doris มีความเข้ากันได้สูงกับโปรโตคอล MySQL และรองรับไวยากรณ์ SQL มาตรฐาน ครอบคลุมฟังก์ชัน MySQL และ Hive ส่วนใหญ่ ความเข้ากันได้สูงนี้ช่วยให้ผู้ใช้สามารถย้ายและรวมแอปพลิเคชันและเครื่องมือที่มีอยู่ได้อย่างราบรื่น Apache Doris รองรับระบบนิเวศ MySQL ช่วยให้ผู้ใช้เชื่อมต่อ Doris โดยใช้เครื่องมือ MySQL Client เพื่อการดำเนินงานและการบำรุงรักษาที่สะดวกยิ่งขึ้น นอกจากนี้ยังรองรับความเข้ากันได้ของโปรโตคอล MySQL สำหรับเครื่องมือรายงาน BI และเครื่องมือส่งข้อมูล ทำให้แน่ใจว่ามีประสิทธิภาพและความเสถียรในกระบวนการวิเคราะห์ข้อมูลและการส่งข้อมูล - **คลังข้อมูลแบบเรียลไทม์**: ตาม Apache Doris สามารถสร้างบริการคลังข้อมูลแบบเรียลไทม์ได้ Apache Doris เสนอความสามารถในการรับข้อมูลระดับวินาที จับการเปลี่ยนแปลงแบบเพิ่มเติมจากฐานข้อมูลธุรกรรมออนไลน์ต้นน้ำไปยัง Doris ภายในไม่กี่วินาที ใช้ประโยชน์จากเครื่องมือแบบเวกเตอร์ สถาปัตยกรรม MPP และเครื่องมือดำเนินการ Pipeline Doris ให้ความสามารถในการค้นหาข้อมูลต่ำกว่าหนึ่งวินาที จึงสร้างแพลตฟอร์มคลังข้อมูลแบบเรียลไทม์ที่มีประสิทธิภาพสูงและความหน่วงต่ำ - **Data Lake แบบรวม**: Apache Doris สามารถสร้างสถาปัตยกรรม data lake แบบรวมตามแหล่งข้อมูลภายนอกเช่น data lake หรือฐานข้อมูลเชิงสัมพันธ์ โซลูชัน data lake แบบรวมของ Doris ช่วยให้การรวมกันอย่างราบรื่นและการไหลของข้อมูลอิสระระหว่าง data lake และคลังข้อมูล ช่วยให้ผู้ใช้ใช้ประโยชน์จากความสามารถของคลังข้อมูลโดยตรงเพื่อแก้ปัญหาการวิเคราะห์ข้อมูลใน data lake ในขณะเดียวกันก็ใช้ประโยชน์จากความสามารถในการจัดการข้อมูลของ data lake อย่างเต็มที่เพื่อเพิ่มมูลค่าข้อมูล - **การสร้างแบบจำลองที่ยืดหยุ่น**: Apache Doris เสนอวิธีการสร้างแบบจำลองต่างๆ เช่น แบบจำลองตารางกว้าง แบบจำลองการรวมล่วงหน้า โครงการแบบดาว/เกล็ดหิมะ ฯลฯ ในระหว่างการนำเข้าข้อมูล ข้อมูลสามารถทำให้แบนเป็นตารางกว้างและเขียนลงใน Doris ผ่านเครื่องมือคำนวณเช่น Flink หรือ Spark หรือข้อมูลสามารถนำเข้าลงใน Doris โดยตรง ดำเนินการสร้างแบบจำลองข้อมูลผ่านมุมมอง มุมมองที่ถูกทำให้เป็นวัสดุ หรือการรวมหลายตารางแบบเรียลไทม์ ## ภาพรวมทางเทคนิค Doris ให้อินเทอร์เฟซ SQL ที่มีประสิทธิภาพและเข้ากันได้อย่างสมบูรณ์กับโปรโตคอล MySQL เครื่องมือค้นหาของมันใช้สถาปัตยกรรม MPP (การประมวลผลแบบขนานจำนวนมาก) สามารถดำเนินการค้นหาการวิเคราะห์ที่ซับซ้อนได้อย่างมีประสิทธิภาพและบรรลุการค้นหาแบบเรียลไทม์ที่มีความหน่วงต่ำ ผ่านเทคโนโลยีการจัดเก็บแบบคอลัมน์สำหรับการเข้ารหัสและการบีบอัดข้อมูล มันเพิ่มประสิทธิภาพการทำงานของการค้นหาและอัตราการบีบอัดการจัดเก็บอย่างมาก ### อินเทอร์เฟซ Apache Doris ใช้โปรโตคอล MySQL รองรับ SQL มาตรฐาน และมีความเข้ากันได้สูงกับไวยากรณ์ MySQL ผู้ใช้สามารถเข้าถึง Apache Doris ผ่านเครื่องมือไคลเอนต์ต่างๆ และรวมเข้ากับเครื่องมือ BI ได้อย่างราบรื่น รวมถึงแต่ไม่จำกัดเพียง Smartbi, DataEase, FineBI, Tableau, Power BI และ Apache Superset Apache Doris สามารถทำงานเป็นแหล่งข้อมูลสำหรับเครื่องมือ BI ใดๆ ที่รองรับโปรโตคอล MySQL ### เครื่องมือจัดเก็บ Apache Doris มีเครื่องมือจัดเก็บแบบคอลัมน์ ซึ่งเข้ารหัส บีบอัด และอ่านข้อมูลตามคอลัมน์ สิ่งนี้ช่วยให้อัตราการบีบอัดข้อมูลสูงมากและลดการสแกนข้อมูลที่ไม่จำเป็นอย่างมาก จึงใช้ทรัพยากร IO และ CPU อย่างมีประสิทธิภาพมากขึ้น Apache Doris รองรับโครงสร้างดัชนีต่างๆ เพื่อลดการสแกนข้อมูลให้น้อยที่สุด: - **ดัชนีคีย์แบบผสมที่เรียงลำดับ**: ผู้ใช้สามารถระบุคอลัมน์ได้สูงสุดสามคอลัมน์เพื่อสร้างคีย์การเรียงลำดับแบบผสม สิ่งนี้สามารถตัดข้อมูลได้อย่างมีประสิทธิภาพเพื่อรองรับสถานการณ์การรายงานแบบพร้อมกันสูงได้ดีขึ้น - **ดัชนี Min/Max**: สิ่งนี้ช่วยให้การกรองข้อมูลที่มีประสิทธิภาพในการค้นหาความเท่าเทียมและช่วงของประเภทตัวเลข - **ดัชนี BloomFilter**: สิ่งนี้มีประสิทธิภาพมากในการกรองความเท่าเทียมและการตัดคอลัมน์ที่มีความหลากหลายสูง - **ดัชนีแบบกลับด้าน**: สิ่งนี้ช่วยให้การค้นหาอย่างรวดเร็วสำหรับฟิลด์ใดๆ Apache Doris รองรับรูปแบบข้อมูลต่างๆ และได้เพิ่มประสิทธิภาพสำหรับสถานการณ์ต่างๆ: - **แบบจำลองรายละเอียด (แบบจำลองคีย์ซ้ำ):** แบบจำลองข้อมูลรายละเอียดที่ออกแบบมาเพื่อตอบสนองความต้องการการจัดเก็บรายละเอียดของตารางข้อเท็จจริง - **แบบจำลองคีย์หลัก (แบบจำลองคีย์เฉพาะ):** รับประกันคีย์เฉพาะ ข้อมูลที่มีคีย์เดียวกันจะถูกเขียนทับ ช่วยให้สามารถอัปเดตข้อมูลในระดับแถว - **แบบจำลองการรวม (แบบจำลองคีย์การรวม):** รวมคอลัมน์ค่าที่มีคีย์เดียวกัน เพิ่มประสิทธิภาพอย่างมากผ่านการรวมล่วงหน้า Apache Doris ยังรองรับมุมมองที่ถูกทำให้เป็นวัสดุแบบตารางเดียวที่สอดคล้องกันอย่างมากและมุมมองที่ถูกทำให้เป็นวัสดุแบบหลายตารางที่รีเฟรชแบบอะซิงโครนัส มุมมองที่ถูกทำให้เป็นวัสดุแบบตารางเดียวจะถูกรีเฟรชและบำรุงรักษาอัตโนมัติโดยระบบ ไม่ต้องการการแทรกแซงด้วยตนเองจากผู้ใช้ มุมมองที่ถูกทำให้เป็นวัสดุแบบหลายตารางสามารถรีเฟรชเป็นระยะโดยใช้การจัดตารางภายในคลัสเตอร์หรือเครื่องมือจัดตารางภายนอก ลดความซับซ้อนของการสร้างแบบจำลองข้อมูล ### 🔍 เครื่องมือค้นหา Apache Doris มีเครื่องมือค้นหาที่ใช้ MPP สำหรับการดำเนินการแบบขนานระหว่างโหนดและภายในโหนด รองรับการรวม shuffle แบบกระจายสำหรับตารางขนาดใหญ่เพื่อจัดการกับการค้นหาที่ซับซ้อนได้ดีขึ้น
![Query Engine](https://cdn.selectdb.com/static/What_is_Apache_Doris_1_c6f5ba2af9.png)
เครื่องมือค้นหาของ Apache Doris ถูกเวกเตอร์อย่างสมบูรณ์ โดยโครงสร้างหน่วยความจำทั้งหมดถูกจัดวางในรูปแบบคอลัมน์ สิ่งนี้สามารถลดการเรียกใช้ฟังก์ชันเสมือนได้อย่างมาก เพิ่มอัตราการเข้าถึงแคช และใช้คำสั่ง SIMD อย่างมีประสิทธิภาพ Apache Doris ให้ประสิทธิภาพสูงกว่า 5-10 เท่าในสถานการณ์การรวมตารางกว้างเมื่อเทียบกับเครื่องมือที่ไม่ถูกเวกเตอร์
![Doris query engine](https://cdn.selectdb.com/static/What_is_Apache_Doris_2_29cf58cc6b.png)
Apache Doris ใช้เทคโนโลยีการดำเนินการค้นหาแบบปรับตัวเพื่อปรับแผนการดำเนินการแบบไดนามิกตามสถิติเวลาทำงาน ตัวอย่างเช่น มันสามารถสร้างตัวกรองเวลาทำงานและผลักไปยังด้าน probe โดยเฉพาะ มันผลักตัวกรองไปยังโหนดสแกนระดับต่ำสุดในด้าน probe ซึ่งลดปริมาณข้อมูลที่ต้องประมวลผลอย่างมากและเพิ่มประสิทธิภาพการรวม ตัวกรองเวลาทำงานของ Apache Doris รองรับ In/Min/Max/Bloom Filter Apache Doris ใช้เครื่องมือดำเนินการ Pipeline ที่แบ่งการค้นหาเป็นงานย่อยหลายงานสำหรับการดำเนินการแบบขนาน ใช้ประโยชน์จากความสามารถของ CPU แบบหลายคอร์อย่างเต็มที่ มันแก้ปัญหาการระเบิดของเธรดพร้อมกันโดยจำกัดจำนวนเธรดการค้นหา เครื่องมือดำเนินการ Pipeline ลดการคัดลอกและแชร์ข้อมูล เพิ่มประสิทธิภาพการดำเนินการเรียงลำดับและการรวม จึงเพิ่มประสิทธิภาพและ throughput ของการค้นหาอย่างมาก ในแง่ของเครื่องมือเพิ่มประสิทธิภาพ Apache Doris ใช้กลยุทธ์การเพิ่มประสิทธิภาพแบบรวมของ CBO (เครื่องมือเพิ่มประสิทธิภาพตามต้นทุน), RBO (เครื่องมือเพิ่มประสิทธิภาพตามกฎ), และ HBO (เครื่องมือเพิ่มประสิทธิภาพตามประวัติ) RBO รองรับการพับค่าคงที่ การเขียนใหม่การค้นหาย่อย การผลักลงของเพรดิเคต และอื่นๆ CBO รองรับการจัดลำดับใหม่ของการรวมและการเพิ่มประสิทธิภาพอื่นๆ HBO แนะนำแผนการดำเนินการที่เหมาะสมที่สุดตามข้อมูลการค้นหาในอดีต มาตรการการเพิ่มประสิทธิภาพหลายอย่างเหล่านี้ทำให้แน่ใจว่า Doris สามารถแจกแจงแผนการค้นหาที่มีประสิทธิภาพสูงสำหรับการค้นหาประเภทต่างๆ ## 🎆 ทำไมต้องเลือก Apache Doris? - 🎯 **ใช้งานง่าย**: สองกระบวนการ ไม่มี dependencies อื่นๆ การขยายคลัสเตอร์ออนไลน์ การกู้คืนสำเนาอัตโนมัติ เข้ากันได้กับโปรโตคอล MySQL และใช้ SQL มาตรฐาน - 🚀 **ประสิทธิภาพสูง**: ประสิทธิภาพที่รวดเร็วมากสำหรับการค้นหาที่มีความหน่วงต่ำและ throughput สูงด้วยเครื่องมือจัดเก็บแบบคอลัมน์ สถาปัตยกรรม MPP ที่ทันสมัย เครื่องมือค้นหาแบบเวกเตอร์ มุมมองที่ถูกทำให้เป็นวัสดุแบบรวมล่วงหน้า และดัชนีข้อมูล - 🖥️ **รวมเป็นหนึ่งเดียว**: ระบบเดียวสามารถรองรับสถานการณ์การให้บริการข้อมูลแบบเรียลไทม์ การวิเคราะห์ข้อมูลแบบโต้ตอบ และการประมวลผลข้อมูลออฟไลน์ - ⚛️ **การค้นหาแบบรวม**: รองรับการค้นหาแบบรวมของ data lake เช่น Hive, Iceberg, Hudi และฐานข้อมูลเช่น MySQL และ Elasticsearch - ⏩ **วิธีการนำเข้าข้อมูลต่างๆ**: รองรับการนำเข้าแบบแบทช์จาก HDFS/S3 และการนำเข้าแบบสตรีมจาก MySQL Binlog/Kafka รองรับการเขียนแบบ micro-batch ผ่านอินเทอร์เฟซ HTTP และการเขียนแบบเรียลไทม์โดยใช้ Insert ใน JDBC - 🚙 **ระบบนิเวศที่อุดมสมบูรณ์**: Spark ใช้ Spark-Doris-Connector เพื่ออ่านและเขียน Doris Flink-Doris-Connector ช่วยให้ Flink CDC ดำเนินการเขียนข้อมูล exactly-once ไปยัง Doris DBT Doris Adapter มีให้เพื่อแปลงข้อมูลใน Doris ด้วย DBT ## 🙌 ผู้มีส่วนร่วม **Apache Doris สำเร็จการศึกษาจาก Apache incubator อย่างสำเร็จและกลายเป็นโครงการระดับสูงสุดในเดือนมิถุนายน 2022** เราขอขอบคุณ 🔗[ผู้มีส่วนร่วมในชุมชน](https://github.com/apache/doris/graphs/contributors) อย่างลึกซึ้งสำหรับการมีส่วนร่วมของพวกเขาใน Apache Doris [![contrib graph](https://contrib.rocks/image?repo=apache/doris)](https://github.com/apache/doris/graphs/contributors) ## 👨‍👩‍👧‍👦 ผู้ใช้ Apache Doris ตอนนี้มีฐานผู้ใช้ที่กว้างขวางในจีนและทั่วโลก และจนถึงวันนี้ **Apache Doris ถูกใช้ในสภาพแวดล้อมการผลิตในหลายพันบริษัททั่วโลก** มากกว่า 80% ของ 50 บริษัทอินเทอร์เน็ตชั้นนำในจีนในแง่ของมูลค่าตลาดหรือการประเมินมูลค่าได้ใช้ Apache Doris มาเป็นเวลานาน รวมถึง Baidu, Meituan, Xiaomi, Jingdong, Bytedance, Tencent, NetEase, Kwai, Sina, 360, Mihoyo และ Ke Holdings นอกจากนี้ยังถูกใช้อย่างแพร่หลายในอุตสาหกรรมดั้งเดิมบางอย่างเช่นการเงิน พลังงาน การผลิต และโทรคมนาคม ผู้ใช้ของ Apache Doris: 🔗[ผู้ใช้](https://doris.apache.org/users) เพิ่มโลโก้บริษัทของคุณที่เว็บไซต์ Apache Doris: 🔗[เพิ่มบริษัทของคุณ](https://github.com/apache/doris/discussions/27683) ## 👣 เริ่มต้น ### 📚 เอกสาร เอกสารทั้งหมด 🔗[เอกสาร](https://doris.apache.org/docs/gettingStarted/what-is-apache-doris) ### ⬇️ ดาวน์โหลด รุ่นการเผยแพร่และไบนารีทั้งหมด 🔗[ดาวน์โหลด](https://doris.apache.org/download) ### 🗄️ คอมไพล์ ดูวิธีคอมไพล์ 🔗[การคอมไพล์](https://doris.apache.org/community/source-install/compilation-with-docker)) ### 📮 ติดตั้ง ดูวิธีติดตั้งและปรับใช้ 🔗[การติดตั้งและการปรับใช้](https://doris.apache.org/docs/install/preparation/env-checking) ## 🧩 ส่วนประกอบ ### 📝 Doris Connector Doris ให้การสนับสนุนสำหรับ Spark/Flink เพื่ออ่านข้อมูลที่เก็บไว้ใน Doris ผ่าน Connector และยังรองรับการเขียนข้อมูลไปยัง Doris ผ่าน Connector 🔗[apache/doris-flink-connector](https://github.com/apache/doris-flink-connector) 🔗[apache/doris-spark-connector](https://github.com/apache/doris-spark-connector) ## 🌈 ชุมชนและการสนับสนุน ### 📤 สมัครรับจดหมายข่าว รายชื่อจดหมายเป็นรูปแบบการสื่อสารที่ได้รับการยอมรับมากที่สุดในชุมชน Apache ดูวิธี 🔗[สมัครรับจดหมายข่าว](https://doris.apache.org/community/subscribe-mail-list) ### 🙋 รายงานปัญหาหรือส่ง Pull Request หากคุณมีคำถามใดๆ อย่าลังเลที่จะยื่น 🔗[GitHub Issue](https://github.com/apache/doris/issues) หรือโพสต์ใน 🔗[GitHub Discussion](https://github.com/apache/doris/discussions) และแก้ไขโดยส่ง 🔗[Pull Request](https://github.com/apache/doris/pulls) ### 🍻 วิธีมีส่วนร่วม เรายินดีต้อนรับข้อเสนอแนะ ความคิดเห็น (รวมถึงการวิจารณ์) ความคิดเห็น และการมีส่วนร่วมของคุณ ดู 🔗[วิธีมีส่วนร่วม](https://doris.apache.org/community/how-to-contribute/) และ 🔗[คู่มือการส่งโค้ด](https://doris.apache.org/community/how-to-contribute/pull-request/) ### ⌨️ ข้อเสนอการปรับปรุง Doris (DSIP) 🔗[ข้อเสนอการปรับปรุง Doris (DSIP)](https://cwiki.apache.org/confluence/display/DORIS/Doris+Improvement+Proposals) สามารถคิดได้ว่าเป็น **คอลเลกชันของเอกสารการออกแบบสำหรับการอัปเดตหรือการปรับปรุงคุณสมบัติหลักทั้งหมด** ### 🔑 ข้อกำหนดการเขียนโค้ด Backend C++ 🔗 [ข้อกำหนดการเขียนโค้ด Backend C++](https://cwiki.apache.org/confluence/pages/viewpage.action?pageId=240883637) ควรปฏิบัติตามอย่างเคร่งครัด ซึ่งจะช่วยให้เราบรรลุคุณภาพโค้ดที่ดีขึ้น ## 💬 ติดต่อเรา ติดต่อเราผ่านรายชื่อจดหมายต่อไปนี้ | ชื่อ | ขอบเขต | | | | |:------------------------------------------------------------------------------|:--------------------------------|:----------------------------------------------------------------|:--------------------------------------------------------------------|:-----------------------------------------------------------------------------| | [dev@doris.apache.org](mailto:dev@doris.apache.org) | การอภิปรายที่เกี่ยวข้องกับการพัฒนา | [สมัครรับ](mailto:dev-subscribe@doris.apache.org) | [ยกเลิกการสมัครรับ](mailto:dev-unsubscribe@doris.apache.org) | [คลังเก็บ](http://mail-archives.apache.org/mod_mbox/doris-dev/) | ## 🧰 ลิงก์ * เว็บไซต์อย่างเป็นทางการ Apache Doris - [เว็บไซต์](https://doris.apache.org) * รายชื่อจดหมายนักพัฒนา - ส่งอีเมลไปที่ ทำตามคำตอบเพื่อสมัครรับรายชื่อจดหมาย * ช่อง Slack - [เข้าร่วม Slack](https://join.slack.com/t/apachedoriscommunity/shared_invite/zt-35mzao67o-BrpU70FNKPyB6UlgpXf8_w) * Twitter - [ติดตาม @doris_apache](https://twitter.com/doris_apache) ## 📜 ใบอนุญาต [Apache License, Version 2.0](https://www.apache.org/licenses/LICENSE-2.0) > **หมายเหตุ** > ใบอนุญาตบางส่วนของ dependencies ของบุคคลที่สามไม่เข้ากันได้กับใบอนุญาต Apache 2.0 ดังนั้นคุณต้องปิดการใช้งาน คุณสมบัติบางอย่างของ Doris เพื่อให้สอดคล้องกับใบอนุญาต Apache 2.0 สำหรับรายละเอียด ดูไฟล์ `thirdparty/LICENSE.txt`