产品类型

大数据平台（集成 Hadoop 生态）

MPP 架构的 OLAP 数据库

目标用户

需要完整数据湖、批流一体、治理合规的企业

需要高性能、低延迟、易运维的分析型业务团队

架构哲学

“大而全”：整合存储、计算、调度、安全、治理

“小而快”：专注分析性能，轻量部署

底层存储

HDFS / Ozone（对象存储）

自研列式存储（支持 Rollup、物化视图），也支持外部表（Hive/Iceberg/Paimon）

计算引擎

多引擎并存：
• 批处理：Spark、MapReduce
• 交互式：Impala、Presto（需额外安装）
• 流处理：Flink、Spark Streaming

单一 MPP 引擎：
• 向量化执行
• Pipeline 执行模型
• 智能 CBO + RBO 优化器

SQL 兼容性

Impala：类 SQL，部分语法不标准；HiveQL 兼容性有限

高度兼容 MySQL 协议，标准 SQL 支持良好

实时写入

依赖 Kafka + Spark/Flink 写入 Hive/Parquet，延迟通常分钟级

支持毫秒~秒级写入（Stream Load、Routine Load），支持主键更新（Unique Key 模型）

多表 JOIN

Impala 支持但性能受限于内存；复杂 JOIN 易失败

原生优化多表关联，RTABench 测试中性能是 ClickHouse 的 6 倍、PostgreSQL 的 30 倍

资源管理

YARN（批处理） + Impala Daemon 资源池

内置 Workload Group，支持 CPU/内存/并发隔离，无需外部调度器

部署依赖

需 ZooKeeper、CM（Cloud Data AI Manager）、Kerberos（安全环境）

无外部依赖，仅需 JDK，可容器化部署

查询延迟（P95）

Impala：1~10 秒；Hive：分钟级

亚秒级 ~ 秒级（复杂多表 JOIN 也在秒级内）

并发能力

Impala 并发有限（受内存限制）；Hive 并发差

单节点支持数千 QPS，高并发下稳定性好

硬件成本

高（多组件常驻，YARN 资源碎片化）

低（网易云音乐案例：替换 ClickHouse+Druid+Elasticsearch 后，资源节省超 50%）

运维复杂度

高（需专职 Hadoop 运维，升级/调优复杂）

低（自动副本均衡、故障恢复、在线 Schema 变更）

扩展性

水平扩展但扩容慢（需 CM 介入）

秒级扩缩容（尤其在存算分离模式下）

✅ 需要构建企业级数据湖，含 ETL、ML、数据血缘、审计合规

Cloud Data AI CMP 7

✅ 实时报表、BI 看板、用户行为分析、广告归因

Apache Doris

✅ 已有 HDFS/Hive 数据，想加速查询但不想搬迁数据

Doris（通过 External Catalog 直接查 Hive/Iceberg）

✅ 希望减少组件数量、降低 TCO、快速上线分析系统

Apache Doris

✅ 强依赖 Cloud Data AI Manager 或已有 CDH 投资

继续用 CMP，但可用 Doris 替代 Impala 层

开源协议

核心组件开源（Apache 2.0），但 CMP 平台为商业闭源

完全开源（Apache 2.0），Apache 基金会顶级项目

社区活跃度

Cloud Data AI 主导，社区贡献有限

全球 5000+ 企业用户，GitHub 20k+ stars，月活 PR 数百

云厂商支持

Cloud Data AI Public Cloud（AWS/Azure）

阿里云、腾讯云、火山引擎、AWS Marketplace 等均有托管服务

优势

生态完整、治理能力强、适合复杂数据流水线

查询快、架构简单、成本低、易运维

劣势

架构臃肿、实时性弱、TCO 高

不适合大规模 ETL、无原生流处理

协同方式

Doris 可作为 CMP 的 高性能分析层，直接查询 Hive 表，实现“湖仓加速”