小米在引入 Apache Paimon 构建湖仓平台后开云体育(中国)官方网站，虽管束了海量数据的存储问题，却在实质业务中遭逢了三好像害瓶颈，径直影响了数据价值的开释：

团员性能不及：Doris 在读取 Paimon 的 Merge-on-Read 表时，受限于 Paimon SDK（Java）单线程处理多文献的排序与归拢，在高并发场景下十足无法餍足业务对 "秒级反馈" 的需求。

死一火视图更新代价昂贵：分区级增量更新机制粒度在某些场景下不错餍足用户的增量更新需求。但关于非分区表，或者单分区数据量较大的表，已经有较高的更新老本。

HDFS 读取蔓延不褂讪：HDFS 多副本读取时，默许 60 秒的超时阈值和集会抖动，导致查询蔓延波动极大，业务方难以依赖数据遵守快速作念出决策。

这些问题并非单纯的工夫过失 ------ 它们径直拖慢了业务决策速率，同期因资源花消和低效开动加多了企业老本。

针对上述瓶颈，小米通过深度整合 Apache Doris 与 Apache Paimon 的特色，打造了三大 "桥接" 决议，杀青了从 "问题" 到 "管束决议" 的精确冲突。

决议一：用 Doris 计较引擎加快 Paimon 团员才略

Doris 自己领有渊博的数据团员计较才略，同期援助 Aggregate Key 团员表模子，该模子在应用场景上和 Paimon 团员表额外访佛，因此不错行为 Paimon 团员表很好的补充。

针对原先 Doris 读取 Paimon 团员表性能不及的问题，小米弃取了将文献归拢与排序逻辑 "上移" 至 Doris 的查询引擎的决议，运用 Doris 的散播式并行计较与向量化实际才略，替代 Paimon SDK 的单线程处理模式。具体而言：

毁掉 JNI 调用 Paimon Java SDK 的方式，改用 Doris 原生 Parquet Reader 径直读取 Paimon 数据文献；

借助 Doris 的 Hash 算子杀青散播式团员（无需排序样貌），充分浮现 C++ 引擎的性能上风。

经由此决议窜改，团员表的查询时长从 40 秒指责至 8 秒，性能普及近 5 倍。

决议二：快照级增量死一火视图杀青高效更新

Doris 援助 Paimon、Iceberg 等数据湖表样貌的异步死一火视图构建，况兼援助分区级别的增量死一火视图刷新与查询透明改写。死一火视图行为数据库与数据湖的径直桥梁，对查询加快起到了至关迫切的作用。

为了进一步提高死一火视图的时效性，并指责死一火视图的更新支出。小米进一步研发了基于快照级别的死一火视图增量刷新才略开云体育(中国)官方网站，况兼孝敬到了 Apache Doris 社区。