doris-architecture-advisor

Apache Doris 架构顾问

面向工作负载的 Apache Doris 架构设计。 8 条决策规则，3 个完整示例。 以容量规划为先的工作流，可补充 doris-best-practices。

---

工作流

按顺序执行以下 5 个步骤：

1. DDL 验证 — doris-best-practices 技能负责 DDL 正确性。其预检清单和 DDL 注意事项适用于每个 CREATE TABLE。此顾问侧重架构决策（选择哪种模型、分区策略和索引），而非 DDL 语法。始终计算明确的分桶数量。如果容量未知，请选择保守的默认值：小型维度表为 3，中型表为 8，大型日事实表为 16-32。

2. 工作负载分类 — 阅读 references/decision-workload-classification.md。将用户场景匹配到 6 种工作负载类型中的一种或多种。复合工作负载（例如 IoT = 时序 + 设备状态 + 日志 + 仪表板）应拆分为多个子表。

3. 集群容量规划 — 阅读 references/decision-sizing-matrix.md。估算写入吞吐量、查询 QPS、延迟目标和热数据量。容量规划结果只输出总 vCPU 和总缓存，切勿拆分为单节点规格（在云端/存算分离模式下，节点数量通常由平台管理）。如果用户尚未指定云端还是本地部署，也要阅读 references/decision-deployment-mode.md。

4. 设计架构 — 根据工作负载分类，阅读相关决策规则：

   工作负载信号	阅读这些规则
   仅追加事件、日志、时序数据	decision-data-model-selection、decision-time-series-design、decision-ingestion-strategy
   更新、CDC、设备状态跟踪	decision-data-model-selection、decision-mutable-state、decision-ingestion-strategy
   半结构化/多协议 JSON	decision-data-model-selection（VARIANT 部分）
   仪表板、预聚合指标	decision-query-acceleration
   点查询 API、高并发查询	decision-query-acceleration（点查询部分）
   文本搜索、日志搜索、全文搜索	decision-query-acceleration（索引部分）
   向量/嵌入搜索	decision-query-acceleration（向量部分）
   数仓分层（ODS/DWD/DWS/ADS）	decision-workload-classification（分层部分）、decision-data-model-selection
   多部门/工作负载隔离	decision-workload-classification（隔离部分）
   配合数据湖的冷热分层	decision-workload-classification（湖仓一体部分）、decision-deployment-mode

   输出架构设计：数据流图、每种子工作负载对应的表，以及每张表的关键设计决策（模型、分区策略、分桶键、索引、压缩、摄取方式）。

5. 生成 DDL — 应用第 1 步中的所有约束，生成 CREATE TABLE 语句。使用 decision-time-series-design.md 中的公式计算明确的分桶数量；输入不完整时使用上述后备数量。对于每张表，注明推动该决策的最佳实践规则。

---

输出结构

回复应包含以下部分（可根据对话调整格式）：

• 工作负载摘要 — 分类、写入速率、QPS、延迟目标、热数据量
• 容量规划建议 — 数仓层级、存储估算、缓存策略
• 架构概览 — 从数据源 → 摄取 → Apache Doris → 应用的数据流
• 表设计 — CREATE TABLE，并在行内注释中注明决策规则
• 已检查的规则 — 对于每张表，列出所应用的规则及其准确文件路径，方便用户在排查问题时查找规则。格式：Per [rule-name](doris-best-practices/references/rule-name.md)。示例：

  Table: sensor_readings
  Rules Applied:
  - [schema-model-choose-for-workload](doris-best-practices/references/schema-model-choose-for-workload.md) — DUPLICATE for append-only
  - [schema-bucket-target-size](doris-best-practices/references/schema-bucket-target-size.md) — 10 buckets (21 GB / 2 GB)
  - [schema-props-compression](doris-best-practices/references/schema-props-compression.md) — ZSTD for IoT data
  

• 决策依据 — 为每项建议标注来源：official（来自 Doris 文档）、derived（逻辑推断）或 field（经验启发式，并附免责声明）

实例示例

如需查看完整的输入 → 输出示例，请阅读：

• references/example-iot-sensor-platform.md — IoT：5 万个传感器、复合工作负载、4 张表
• references/example-log-observability.md — 日志 + 跟踪 + 指标、倒排索引、ZSTD
• references/example-cdc-operational-sync.md — MySQL CDC、UNIQUE MoW、序列列
• references/example-securities-analytics.md — 证券公司：ODS→DWD→DWS→ADS 分层、客户 360、合规、湖仓、工作负载隔离
• references/example-retail-fashion.md — 零售/时尚：全渠道库存、用于用户画像的宽表 + 高表、BITMAP 分群、多品牌隔离、旺季扩容
• references/example-logistics-courier.md — 物流/快递：用于包裹状态的 AGGREGATE（MIN/MAX/REPLACE）、使用 GIS + cooldown_ttl 的车辆 GPS、分拣中心 KPI、平台整合（Presto+Kudu+ES+HBase→Apache Doris）
• references/example-web3-exchange.md — Web3/加密货币：多链 VARIANT 架构、托管监控、TVL/代币异步 MVs、AML 风险检测、钱包画像、会话分析
• references/example-payment-fintech.md — 支付/金融科技：用于交易生命周期的部分列更新、收单行列混合（100+ 列）、商户对账、风险引擎、替代 ES 的日志平台、Lambda→统一架构
• references/example-gaming.md — 游戏：留存/漏斗分析、玩家画像 BITMAP、通过 MCP 进行 NL2SQL Agentic 分析、反作弊异常检测、用于离线数据的湖仓
• references/example-adtech-marketing.md — AdTech/营销：RTB 服务 + 分析双路径、DSP/ADX、使用 VARIANT + vector 进行创意分析、跨境多区域、替代 Redis+MySQL+HBase+Hive

---

不要使用此技能的情况

• 审查现有 DDL → 改用 doris-best-practices
• 优化慢查询 → 使用 doris-best-practices 的查询规则
• CLI / 连接设置 → 使用 doris-best-practices 的“连接与 CLI”部分