“哥，Doris 4.0 把 AI 塞進(jìn)數(shù)據(jù)庫了！”

凌晨一點，DBA老周在群里甩出這句話，附帶一張截圖：一條 SQL 直接調(diào)通簡歷篩選，把 30 萬份數(shù)據(jù) 3 秒跑完。 

我盯著屏幕，咖啡差點灑鍵盤——這年頭，連數(shù)據(jù)庫都開始搶 HR 的飯碗？

第二天一早，我溜進(jìn)公司實驗室，把 4.0 Doris懟到測試集群。

產(chǎn)品經(jīng)理阿May跟進(jìn)來，抱著電腦一臉愁容：“老板要‘千人千面’推薦，預(yù)算卻只給兩臺破機器，你讓 AI 喝西北風(fēng)？”

我沒接話，先把用戶行為表、商品文本表、圖像特征表一股腦倒進(jìn) Doris，順手建了個向量索引：

# 向量索引檢索函數(shù)介紹
l2_distance_approximate(): 
使用 HNSW 索引按 歐氏距離（L2） 近似計算相似度。數(shù)值越小越相似。

inner_product_approximate():
使用 HNSW 索引按 內(nèi)積（Inner Product） 近似計算相似度。數(shù)值越大越相似。

-- 1) 建表與索引
CREATETABLE doc_store (
idBIGINT,
  title STRING,
  tags ARRAY<STRING>,
  embedding ARRAY<FLOAT> NOTNULL,
INDEX idx_vec (embedding) USING ANN PROPERTIES (
      "index_type"  = "hnsw",
      "metric_type" = "l2_distance",
      "dim"         = "768",
      "quantizer"   = "flat"-- 可選：flat / sq8 / sq4
  ),
INDEX idx_title (title) USING INVERTED PROPERTIES ("parser" = "english")
)
DUPLICATEKEY(id)
DISTRIBUTEDBYHASH(id) BUCKETS 16
PROPERTIES("replication_num"="1");

-- 2) TopN 最近鄰（建議使用 PreparedStatement 傳入向量）, 用真實向量替換下面的 ... 占位符
SELECTid, l2_distance_approximate(embedding, [...]) AS dist
FROM doc_store
ORDERBY dist ASC
LIMIT10;

-- 3) 帶過濾條件的 ANN（先過濾后TopN，保障召回）, 用真實向量替換下面的 ... 占位符
SELECTid, title,
       l2_distance_approximate(embedding, [...]) AS dist
FROM doc_store
WHERE title MATCH_ANY 'music'                -- 使用倒排索引快速過濾
AND array_contains(tags, 'recommendation') -- 結(jié)構(gòu)化過濾
ORDERBY dist ASC
LIMIT5;

-- 4) 范圍查詢，, 用真實向量替換下面的 ... 占位符
SELECTCOUNT(*)
FROM doc_store
WHERE l2_distance_approximate(embedding, [...]) <= 0.35;

維度 768，量化 sq8，壓測腳本一跑，QPS 飆到 1.2 萬，CPU 才啃了 42%。阿May的下巴差點脫臼：“這玩意兒是數(shù)據(jù)庫？不是隱藏版 GPU？”

更離譜的是 AI 函數(shù)（?? https://doris.apache.org/zh-CN/docs/dev/ai/ai-function-overview/）

我現(xiàn)場寫了一條：

SELECT item_id, AI_SUMMARIZE(description, 20) AS digest,  
       AI_CLASSIFY(title, ARRAY['3C', '美妝', '食品', '潮玩']) AS tag  
FROM sku_dim  
WHERE AI_FILTER(CONCAT('適合送禮嗎？', description)) = true  
LIMIT 100;

結(jié)果 8 秒返回，文案組直接薅走數(shù)據(jù)，半小時后朋友圈廣告上線，轉(zhuǎn)化率比上周同期翻 1.7 倍。

阿May抱著我胳膊：“哥，咱把推薦團隊裁了吧？”我翻個白眼——推薦團隊沒裁，老板把買新服務(wù)器的申請單撕了，順手給 Doris 集群又加了兩節(jié)點，說是“花小錢辦大事的典范”。

故事還沒完。

周五晚高峰，數(shù)據(jù)倉庫例行跑批，平時溫順的 ETL 任務(wù)突然暴走，內(nèi)存占用 98%，眼看就要 OOM。

我順手測試把 enable_spill 打開，exec_mem_limit 降到 8 G，讓任務(wù)滾去磁盤睡覺。半小時后，任務(wù)穩(wěn)穩(wěn)當(dāng)當(dāng)寫完 9 TB 數(shù)據(jù)，磁盤只占了 120 G。

老板在群里發(fā)了個紅包：“誰把集群從崩潰邊緣拉回來？”

我默默點開，52 塊，備注兩字——“ disk”。

到這，可能有人要問，Doris 4.0 到底變了啥？

我說它學(xué)會了三招：

第一招，把向量索引做成“懶人模式”，高維數(shù)據(jù)不用倒騰到專用向量庫，一條 SQL 完成“結(jié)構(gòu)化 + 非結(jié)構(gòu)化”混合召回，省得數(shù)據(jù)在系統(tǒng)之間旅游。

第二招，把大模型揉進(jìn)函數(shù)庫，情感、摘要、翻譯、分類、提取、掩碼，一條龍服務(wù)，分析師再也不用 Python 寫腳本，DBA 也能秒變“ prompt 工程師”。

第三招，給離線任務(wù)加安全氣囊，內(nèi)存不夠就落盤，磁盤價換時間，老板再也不擔(dān)心任務(wù)半夜暴斃。

這三招聽起來像開掛，背后卻是現(xiàn)實主義——預(yù)算不漲、人手不增、需求翻倍，只能靠數(shù)據(jù)庫自己進(jìn)化。

Doris 4.0 不是來炫技，它是來救場的：讓中小團隊用得起向量檢索，讓分析師不寫 Python 也能玩大模型，讓凌晨三點的報警短信少一條是一條。

老板今天又在群里發(fā)靈魂拷問：“AI 時代，數(shù)據(jù)團隊的價值到底在哪？”

我回了句：“價值在讓老板睡得著?！?/span>

屏幕那端沉默半分鐘，然后甩來一句：“下周給 Doris 集群再加四臺機器，別讓我半夜接電話?！?/span>

我笑著合上電腦，心想：數(shù)據(jù)庫都學(xué)會搶飯碗了，咱再不升級，真要被它優(yōu)化掉了。