Doris由百度大数据部研发，之前叫百度Palo，于2017年开源，2018年贡献到 Apache 社区后，更名为Doris

基于MPP（大规模并行处理）的分析型数据库

MPP 将任务并行的分散到多个服务器和节点上，在每个节点上计算完成后，将结果汇总在一起得到最终的结果(与Hadoop相似)

MPP  Massively Parallel Processing  大规模并行处理



​​​​​​​核心特性
基于MPP（大规模并行处理）架构的分析型数据库
性能卓越，PB级别数据毫秒/秒级响应
支持标准SQL语言，兼容MySQL协议
向量化执行器
高效的聚合表技术
新型预聚合技术Rollup
高性能、高可用、高可靠
极简运维，弹性伸缩


TPC-H、TPC-DS性能领先，性价比高，高并发查询，100台集群可达10w QPS，流式导入单节点50MB/s，小批量导入毫秒延迟



OLAP分类

MOLAP   Multidimension OLAP
通过预计算，提供稳定的切片数据，实现多次查询一次计算，减轻了查询时的计算压力，保证了查询的稳定性， 空间换时间

ROLAP   Relational OLAP
基于实时的大规模并行计算，对集群的要求较高。
MPP引擎的核心是通过将数据分散，以实现CPU、IO、内存资源的分布，来提升并行计算能力。
在当前数据存储以磁盘为主的情况下，数据Scan需要的较大的磁盘IO，以及并行导致的高CPU 
传统去重算法需要大量计算资源，实时的大规模去重指标对CPU、内存都是一个巨大挑战。
目前Doris最新版本已经支持Bitmap算法，配合预计算可以很好地解决去重应用场景。

doris是一个ROLAP引擎, 可以满足以下需求
灵活多维分析
明细+聚合
主键更新




Doris 架构简单，只有FE(Frontend)、BE(Backend)两种角色，不依赖任何外部组件，部署和运维友好 

FE（Frontend）以 Java 语言为主
主要功能职责：
1） 接收用户连接请求（MySql 协议层）
2） 元数据存储与管理
3） 查询语句的解析与执行计划下发
4） 集群管控

FE  
leader follower  observer
leader 是选举出来的特殊follower ，实现元数据高可用

BE（Backend） 以 C++ 语言为主
主要功能职责：
1） 数据存储与管理
2） 查询计划的执行