大家好，我是向光。

在技术圈待久了，你会发现，每个领域都像一个江湖，高手林立，各有绝活。而在实时分析这个江湖里，关于谁的武功更高，一直众说纷纭。大家都在寻找一个真正能一锤定音的试金石。

最近，这个领域的权威裁判 RTABench 公布了最新一轮的对决结果。说实话，当我看到这份榜单时，还是被震惊到了。这已经不是一次简单的性能更新，更像是一场对现有格局的彻底洗牌。

结果毫无悬念，甚至可以说是一场屠杀：Apache Doris 以绝对领先的姿态登顶，其性能是 ClickHouse 的 6 倍，PostgreSQL 的 30 倍，MongoDB 的 100 倍。

这场胜利，不仅是数字上的超越，更是一个明确的信号：在实时分析这条赛道上，关于谁是王者的争论，可以暂时告一段落了。

为什么这份榜单，值得我们认真聊聊？

在讨论结果之前，我们必须明白 RTABench 的含金量。它不是又一个停留在实验室里的单表玩具。

我一直觉得，很多性能测试就像是让运动员在标准跑道上跑百米，成绩很好看，但未必能打硬仗。而 RTABench 不一样，它模拟了真实世界中最复杂的电子商务订单追踪系统，构建了包含用户、商品、订单、明细、事件在内的多表关联模型。

这意味着，它考验的不是数据库在理想状态下的短跑能力，而是在真实业务场景中处理复杂关联查询的铁人三项。它用 1.7 亿条核心事件数据，和 31 条覆盖了从单表点查到多表聚合的复杂查询，无情地拷问着每一个参赛者的真实能力。

这，才是衡量一个实时分析数据库是否能在生产环境中扛事的唯一标准。

性能的绝对统治，数字不会说谎

在 RTABench 最新公布的榜单上，数字是冰冷且残酷的。

在 c6a.4xlarge 这一标准化的竞赛场地上，Apache Doris 的查询性能得分仅为 ×1.28，这个数字越小，代表性能越强。

这是什么概念？

• 它意味着，Doris 的性能接近排名第二的 TimescaleDB 的 4 倍。
• 它意味着，面对近年来备受追捧的 ClickHouse，Doris 拥有 6 倍的性能优势。
• 它意味着，在那些试图用通用数据库（如 PostgreSQL）或文档数据库（如 MongoDB）硬扛实时分析场景的架构中，Doris 展现了 30 到 100 倍的降维打击。

这不是细枝末节的优化，这是架构层面的碾压。当性能差距以倍甚至百倍为单位时，任何关于功能取舍的讨论都显得苍白无力。

胜利背后，是一场技术的阳谋

如此悬殊的性能优势，绝非偶然。这是 Apache Doris 长期以来在执行引擎与优化器上持续投入、厚积薄发的结果，是一场技术路线上的阳谋。

1. MPP 架构 + Pipeline 引擎：这是 Doris 的集团军作战体系。MPP 架构确保了计算任务能被彻底打散并并行执行，而 Pipeline 引擎则像一位精密的战地指挥官，将查询任务分解为无数个子任务，在多核 CPU 之间高效流转，彻底榨干硬件的每一分潜力。

2. 向量化执行：如果说 Pipeline 是战略，向量化就是战术。Doris 在执行层面批量处理数据，而不是逐行操作，极大地减少了函数调用开销，这在复杂分析查询中带来的性能提升是指数级的。

3. 智能优化器(CBO + RBO)：这是 Doris 的最强大脑。它融合了基于规则（RBO）和基于代价（CBO）的优化策略，能为任何复杂的查询，在瞬息之间计算出最优的执行路径。一个好的优化器，对性能的影响是决定性的。

正是这套环环相扣、深度优化的组合拳，让 Apache Doris 在这场对决中，取得了无可争议的胜利。

实时分析的新王

RTABench 的测试结果，为所有正在进行技术选型的团队，提供了一个清晰的答案。在需要兼顾多表关联、单表点查，并面向海量实时数据的严苛场景下，Apache Doris 已经用无可辩驳的数据，证明了自己是这个领域的性能王者。

一个属于实时分析的新时代，已经到来。

往期推荐