在 PB 级数据时代，数据湖与数据仓库的割裂，常常迫使企业同时使用多套不同的系统，从而带来高昂的成本、数据孤岛、数据标准不一致以及低效的运维。 Apache Doris 3.x 在湖仓能力以及存算分离架构上的改进，为解决这个问题提供了一条路径。本次分享将介绍小米如何利用这些特性替换不同的老旧引擎，构建统一的数据分析平台。 我们将聚焦以下关键点：Apache Doris 核心湖仓特性的概览、在小米的使用方式与遇到的挑战、广告业务的痛点以及 Apache Doris 如何帮助其架构升级、多源联邦查询与 Catalog 管理、面向 BI 场景的统一语义模型，以及我们如何在 Kubernetes 上部署 Doris，连同弹性伸缩与可观测性实践。我们还会分享未来的开发计划。 本次分享旨在为面临类似架构整合挑战的企业提供参考，帮助听众学习使用 Apache Doris 构建统一、高效、稳定的湖仓架构的实战经验。

讲师:

Congling Xia：小米资深软件工程师，Apache Kylin、Trino 和 Apache Doris 的 contributor

他是小米数据平台的资深软件工程师，在大数据开发以及多种 OLAP 引擎的运维方面拥有多年经验。他的核心关注点在于企业级 OLAP 引擎工程化和服务化的平台能力建设。他同时也是 Apache Doris、Trino、Apache Kylin 的开源 contributor，在湖仓架构、统一计算和云原数据运维方面拥有扎实的实战经验。