Spring Boot 整合 Apache Doris：实现海量数据实时OLAP分析实战

Spring Boot 整合 Apache Doris：实现海量数据实时OLAP分析实战

• • 一、Apache Doris 简介与核心优势
  • • 1.1 什么是 Apache Doris？
    • 1.2 Doris 架构概览（图1：Mermaid 流程图）
  • 二、整体技术架构设计
  • • 2.1 全链路架构图（图2：Mermaid 彩色流程图）
  • 三、环境准备与项目搭建
  • • 3.1 启动 Doris 集群（推荐 Docker Compose）
    • 3.2 创建 Spring Boot 工程（Maven）
    • 3.3 application.yml 配置文件
  • 四、建表语句与数据模型设计
  • • 4.1 在 Doris 中创建订单宽表
  • 五、Spring Boot 写入数据到 Kafka
  • • 5.1 定义实体类
    • 5.2 控制器接收请求
  • 六、Doris 配置 Routine Load 实现自动导入
  • 七、查询分析：Spring Boot 调用 Doris 执行 OLAP 查询
  • 八、性能优化策略（图3：优化路径 PlantUML）
  • 九、监控与可观测性（图4：ASCII 架构 + 颜色标注）
  • 十、常见问题与解决方案
  • 十一、总结
  • 十二、参考资料

在大数据时代，企业对数据分析的实时性、并发性和灵活性提出了前所未有的要求。传统关系型数据库（如 MySQL）难以应对高吞吐写入与复杂聚合查询的双重压力。为此，Apache Doris 作为一种高性能、低延迟的 MPP（Massively Parallel Processing）实时分析型数据库，正被越来越多企业用于构建现代化数仓系统。

本文将深入讲解如何通过 Spring Boot 框架整合 Apache Doris，打造一套支持海量数据写入与秒级响应 OLAP 查询的完整架构，并提供可直接运行的 流程图代码（Mermaid 格式） 和 原理图代码（PlantUML + ASCII 图形），所有图片均使用不同颜色区分模块功能，便于理解。

一、Apache Doris 简介与核心优势

1.1 什么是 Apache Doris？

Apache Doris 是一个开源的分布式 SQL 数据仓库，原名 Palo，由百度研发并捐赠给 Apache 基金会。它具备以下特性：

• ✅ 支持标准 SQL（兼容 MySQL 协议）
• ✅ 实时写入 + 实时查询（毫秒~秒级延迟）
• ✅ 高并发点查和复杂分析能力
• ✅ 架构简洁：仅 FE（Frontend）+ BE（Backend），无依赖 ZooKeeper/HDFS
• ✅ 自动分区、物化视图优化性能

🎯 适用场景：用户行为分析、实时报表、日志分析、BI 大屏等。

1.2 Doris 架构概览（图1：Mermaid 流程图）

#mermaid-svg-bAo9NcLyCDbpyZIV{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-bAo9NcLyCDbpyZIV .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-bAo9NcLyCDbpyZIV .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-bAo9NcLyCDbpyZIV .error-icon{fill:#552222;}#mermaid-svg-bAo9NcLyCDbpyZIV .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-bAo9NcLyCDbpyZIV .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-bAo9NcLyCDbpyZIV .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-bAo9NcLyCDbpyZIV .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-bAo9NcLyCDbpyZIV .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-bAo9NcLyCDbpyZIV .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-bAo9NcLyCDbpyZIV .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-bAo9NcLyCDbpyZIV .marker{fill:#333333;stroke:#333333;}#mermaid-svg-bAo9NcLyCDbpyZIV .marker.cross{stroke:#333333;}#mermaid-svg-bAo9NcLyCDbpyZIV svg{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-bAo9NcLyCDbpyZIV p{margin:0;}#mermaid-svg-bAo9NcLyCDbpyZIV .label{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;color:#333;}#mermaid-svg-bAo9NcLyCDbpyZIV .cluster-label text{fill:#333;}#mermaid-svg-bAo9NcLyCDbpyZIV .cluster-label span{color:#333;}#mermaid-svg-bAo9NcLyCDbpyZIV .cluster-label span p{background-color:transparent;}#mermaid-svg-bAo9NcLyCDbpyZIV .label text,#mermaid-svg-bAo9NcLyCDbpyZIV span{fill:#333;color:#333;}#mermaid-svg-bAo9NcLyCDbpyZIV .node rect,#mermaid-svg-bAo9NcLyCDbpyZIV .node circle,#mermaid-svg-bAo9NcLyCDbpyZIV .node ellipse,#mermaid-svg-bAo9NcLyCDbpyZIV .node polygon,#mermaid-svg-bAo9NcLyCDbpyZIV .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-bAo9NcLyCDbpyZIV .rough-node .label text,#mermaid-svg-bAo9NcLyCDbpyZIV .node .label text,#mermaid-svg-bAo9NcLyCDbpyZIV .image-shape .label,#mermaid-svg-bAo9NcLyCDbpyZIV .icon-shape .label{text-anchor:middle;}#mermaid-svg-bAo9NcLyCDbpyZIV .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-bAo9NcLyCDbpyZIV .rough-node .label,#mermaid-svg-bAo9NcLyCDbpyZIV .node .label,#mermaid-svg-bAo9NcLyCDbpyZIV .image-shape .label,#mermaid-svg-bAo9NcLyCDbpyZIV .icon-shape .label{text-align:center;}#mermaid-svg-bAo9NcLyCDbpyZIV .node.clickable{cursor:pointer;}#mermaid-svg-bAo9NcLyCDbpyZIV .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-bAo9NcLyCDbpyZIV .arrowheadPath{fill:#333333;}#mermaid-svg-bAo9NcLyCDbpyZIV .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-bAo9NcLyCDbpyZIV .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-bAo9NcLyCDbpyZIV .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-bAo9NcLyCDbpyZIV .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-bAo9NcLyCDbpyZIV .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-bAo9NcLyCDbpyZIV .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-bAo9NcLyCDbpyZIV .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-bAo9NcLyCDbpyZIV .cluster text{fill:#333;}#mermaid-svg-bAo9NcLyCDbpyZIV .cluster span{color:#333;}#mermaid-svg-bAo9NcLyCDbpyZIV div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-bAo9NcLyCDbpyZIV .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-bAo9NcLyCDbpyZIV rect.text{fill:none;stroke-width:0;}#mermaid-svg-bAo9NcLyCDbpyZIV .icon-shape,#mermaid-svg-bAo9NcLyCDbpyZIV .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-bAo9NcLyCDbpyZIV .icon-shape p,#mermaid-svg-bAo9NcLyCDbpyZIV .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-bAo9NcLyCDbpyZIV .icon-shape rect,#mermaid-svg-bAo9NcLyCDbpyZIV .image-shape rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-bAo9NcLyCDbpyZIV .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-bAo9NcLyCDbpyZIV .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-bAo9NcLyCDbpyZIV :root{–mermaid-font-family:\”trebuchet ms\”,verdana,arial,sans-serif;}

JDBC/MySQL协议

客户端/应用

FE: Frontend

SQL解析与计划生成

元数据管理

查询调度器

BE节点1

BE节点2

BE节点3

本地存储

本地存储

本地存储

🔍 图中颜色说明：

• 橙色 (#f96)：外部请求源（Spring Boot 应用）
• 蓝色 (#6fb9e8)：FE 节点 —— 控制中枢
• 青绿色 (#4db6ac)：核心处理逻辑
• 紫色 (#8d6eaa)：元数据服务
• 黄色 (#ffca28)：任务分发器
• 浅绿 (#a5d6a7)：BE 存储节点（数据分片分布）

二、整体技术架构设计

我们设计一个典型的“生产 → 消费 → 分析”链路：

2.1 全链路架构图（图2：Mermaid 彩色流程图）

#mermaid-svg-SqddTVqv7qXBAvOS{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-SqddTVqv7qXBAvOS .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-SqddTVqv7qXBAvOS .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-SqddTVqv7qXBAvOS .error-icon{fill:#552222;}#mermaid-svg-SqddTVqv7qXBAvOS .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-SqddTVqv7qXBAvOS .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-SqddTVqv7qXBAvOS .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-SqddTVqv7qXBAvOS .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-SqddTVqv7qXBAvOS .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-SqddTVqv7qXBAvOS .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-SqddTVqv7qXBAvOS .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-SqddTVqv7qXBAvOS .marker{fill:#333333;stroke:#333333;}#mermaid-svg-SqddTVqv7qXBAvOS .marker.cross{stroke:#333333;}#mermaid-svg-SqddTVqv7qXBAvOS svg{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-SqddTVqv7qXBAvOS p{margin:0;}#mermaid-svg-SqddTVqv7qXBAvOS .label{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;color:#333;}#mermaid-svg-SqddTVqv7qXBAvOS .cluster-label text{fill:#333;}#mermaid-svg-SqddTVqv7qXBAvOS .cluster-label span{color:#333;}#mermaid-svg-SqddTVqv7qXBAvOS .cluster-label span p{background-color:transparent;}#mermaid-svg-SqddTVqv7qXBAvOS .label text,#mermaid-svg-SqddTVqv7qXBAvOS span{fill:#333;color:#333;}#mermaid-svg-SqddTVqv7qXBAvOS .node rect,#mermaid-svg-SqddTVqv7qXBAvOS .node circle,#mermaid-svg-SqddTVqv7qXBAvOS .node ellipse,#mermaid-svg-SqddTVqv7qXBAvOS .node polygon,#mermaid-svg-SqddTVqv7qXBAvOS .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-SqddTVqv7qXBAvOS .rough-node .label text,#mermaid-svg-SqddTVqv7qXBAvOS .node .label text,#mermaid-svg-SqddTVqv7qXBAvOS .image-shape .label,#mermaid-svg-SqddTVqv7qXBAvOS .icon-shape .label{text-anchor:middle;}#mermaid-svg-SqddTVqv7qXBAvOS .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-SqddTVqv7qXBAvOS .rough-node .label,#mermaid-svg-SqddTVqv7qXBAvOS .node .label,#mermaid-svg-SqddTVqv7qXBAvOS .image-shape .label,#mermaid-svg-SqddTVqv7qXBAvOS .icon-shape .label{text-align:center;}#mermaid-svg-SqddTVqv7qXBAvOS .node.clickable{cursor:pointer;}#mermaid-svg-SqddTVqv7qXBAvOS .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-SqddTVqv7qXBAvOS .arrowheadPath{fill:#333333;}#mermaid-svg-SqddTVqv7qXBAvOS .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-SqddTVqv7qXBAvOS .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-SqddTVqv7qXBAvOS .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-SqddTVqv7qXBAvOS .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-SqddTVqv7qXBAvOS .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-SqddTVqv7qXBAvOS .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-SqddTVqv7qXBAvOS .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-SqddTVqv7qXBAvOS .cluster text{fill:#333;}#mermaid-svg-SqddTVqv7qXBAvOS .cluster span{color:#333;}#mermaid-svg-SqddTVqv7qXBAvOS div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-SqddTVqv7qXBAvOS .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-SqddTVqv7qXBAvOS rect.text{fill:none;stroke-width:0;}#mermaid-svg-SqddTVqv7qXBAvOS .icon-shape,#mermaid-svg-SqddTVqv7qXBAvOS .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-SqddTVqv7qXBAvOS .icon-shape p,#mermaid-svg-SqddTVqv7qXBAvOS .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-SqddTVqv7qXBAvOS .icon-shape rect,#mermaid-svg-SqddTVqv7qXBAvOS .image-shape rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-SqddTVqv7qXBAvOS .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-SqddTVqv7qXBAvOS .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-SqddTVqv7qXBAvOS :root{–mermaid-font-family:\”trebuchet ms\”,verdana,arial,sans-serif;}

展示层

分析引擎

消息中间件

后端服务

前端系统

HTTP POST

JSON Event

Stream

SQL Query

Vue/React

【Spring Boot】

Kafka Cluster

【Apache Doris】

FE Node

BE Node

Grafana / BI Dashboard

🌈 颜色含义：

• 红色系 (#ff7043)：前端交互层
• 蓝色系 (#29b6f6)：Spring Boot 微服务
• 橙黄 (#ffa726)：Kafka 消息队列
• 绿色系 (#66bb6a)：Doris 分析引擎
• 天蓝/深青：内部组件细化
• 紫色 (#ab47bc)：可视化展示终端

三、环境准备与项目搭建

3.1 启动 Doris 集群（推荐 Docker Compose）

# docker-compose.yml
version: '3'
services:
fe:
image: apache/doris:fe–2.0.3
ports:
– "9030:9030" # MySQL 协议连接
– "8030:8030" # RPC
environment:
– FE_CONFIG=meta_dir=/opt/doris/fe/meta
volumes:
– ./doris/fe:/opt/doris/fe

be:
image: apache/doris:be–2.0.3
depends_on:
– fe
ports:
– "9060:9060"
environment:
– BE_CONFIG=storage_root_path=/opt/doris/be/storage
volumes:
– ./doris/be:/opt/doris/be

启动命令：

docker-compose up -d

⚠️ 注意：首次启动需在 FE 初始化数据库和用户。

3.2 创建 Spring Boot 工程（Maven）

<dependencies>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-web</artifactId>
</dependency>
<dependency>
<groupId>org.springframework.kafka</groupId>
<artifactId>spring-kafka</artifactId>
</dependency>
<dependency>
<groupId>mysql</groupId>
<artifactId>mysql-connector-java</artifactId>
<scope>runtime</scope>
</dependency>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-jdbc</artifactId>
</dependency>
</dependencies>

3.3 application.yml 配置文件

server:
port: 8080

spring:
kafka:
bootstrap-servers: localhost:9092
producer:
key-serializer: org.apache.kafka.common.serialization.StringSerializer
value-serializer: org.springframework.kafka.support.serializer.JsonSerializer
datasource:
url: jdbc:mysql://localhost:9030/demo_db?useSSL=false&allowPublicKeyRetrieval=true
username: root
password:
driver-class-name: com.mysql.cj.jdbc.Driver

四、建表语句与数据模型设计

4.1 在 Doris 中创建订单宽表

CREATE DATABASE IF NOT EXISTS demo_db;

USE demo_db;

CREATE TABLE IF NOT EXISTS order_wide (
order_id BIGINT NOT NULL COMMENT "订单ID",
user_id BIGINT NOT NULL,
product_name VARCHAR(255) NOT NULL,
category VARCHAR(100),
price DECIMAL(10,2) NOT NULL,
quantity INT NOT NULL,
total_amount AS price * quantity STORED COMMENT "衍生字段",
province VARCHAR(50),
city VARCHAR(50),
create_time DATETIME NOT NULL
)
ENGINE=OLAP
DUPLICATE KEY(order_id)
PARTITION BY RANGE(create_time)(
PARTITION p202401 VALUES LESS THAN ("2024-02-01"),
PARTITION p202402 VALUES LESS THAN ("2024-03-01")
)
DISTRIBUTED BY HASH(order_id) BUCKETS 10
PROPERTIES(
"replication_num" = "1",
"enable_persistent_index" = "true"
);

五、Spring Boot 写入数据到 Kafka

5.1 定义实体类

public class OrderEvent {
private Long orderId;
private Long userId;
private String productName;
private String category;
private BigDecimal price;
private Integer quantity;
private String province;
private String city;
// 构造函数、getter/setter 略…
}

5.2 控制器接收请求

@RestController
@RequestMapping("/api/orders")
public class OrderController {

@Autowired
private KafkaTemplate<String, OrderEvent> kafkaTemplate;

@PostMapping
public ResponseEntity<String> create(@RequestBody OrderEvent event) {
event.setCreateTime(LocalDateTime.now());
kafkaTemplate.send("topic_doris_orders", event);
return ResponseEntity.ok("Order sent to Kafka");
}
}

六、Doris 配置 Routine Load 实现自动导入

CREATE ROUTINE LOAD demo_db.order_load_job ON order_wide
COLUMNS TERMINATED BY ",",
COLUMNS (order_id, user_id, product_name, category, price, quantity, province, city, create_time),
WHERE create_time IS NOT NULL
PROPERTIES
(
"desired_concurrent_number"="3",
"max_batch_interval" = "15",
"max_error_number" = "1000",
"strict_mode" = "false"
)
FROM KAFKA
(
"kafka_broker_list" = "localhost:9092",
"kafka_topic" = "topic_doris_orders",
"kafka_partitions" = "0,1,2",
"property.kafka_default_offsets" = "OFFSET_BEGINNING"
);

✅ 成功后可通过 SHOW ROUTINE LOAD 查看状态。

七、查询分析：Spring Boot 调用 Doris 执行 OLAP 查询

@Service
public class ReportService {

@Autowired
private JdbcTemplate jdbcTemplate;

public List<Map<String, Object>> getRevenueByCategory() {
String sql = """
SELECT category, SUM(total_amount) AS revenue
FROM order_wide
WHERE create_time >= ?
GROUP BY category
ORDER BY revenue DESC
""";
return jdbcTemplate.queryForList(sql, LocalDateTime.now().minusDays(7));
}

public long getTotalOrders() {
return jdbcTemplate.queryForObject("SELECT COUNT(*) FROM order_wide", Long.class);
}
}

⚠️ 生产建议：高频查询使用缓存（Redis）或物化视图加速。

八、性能优化策略（图3：优化路径 PlantUML）

@startuml
skinparam backgroundColor #FEFEFE
skinparam sequenceArrowThickness 2
skinparam sequenceMessageAlign center

actor Developer as dev
database "MySQL Source" as mysql #lightblue
rectangle "Flink CDC" as flink #orange
queue "Kafka" as kafka #yellow
cloud "Doris" as doris #green
component "BI Tool" as bi #purple

dev -> mysql : 启用 Binlog
mysql -> flink : 实时捕获变更
flink -> kafka : 输出 JSON
kafka -> doris : Routine Load
doris -> bi : 提供 API 查询
bi -> dev : 展示报表

note right of doris
<<优化点>>
– 物化视图
– 分区剪枝
– 前缀索引
end note

@enduml

📌 此图为高级优化路径，适用于从 MySQL 实时同步至 Doris 的场景。

九、监控与可观测性（图4：ASCII 架构 + 颜色标注）

┌─────────────────────────────────────────────────────┐
│ Grafana 监控大屏 │
│ ┌────────────┐ ┌────────────┐ ┌────────────┐ │
│ │ QPS 曲线 │ │ 导入延迟 │ │ 磁盘使用率 │ │
│ │ ████░░░ │ │ ██░░░░░ │ │ ██████░░ │ │
│ └────────────┘ └────────────┘ └────────────┘ │
└────────────┬───────────────────────────────┬────────┘
│ │
▼ ▼
┌─────────────────┐ ┌────────────────────┐
│ Prometheus │◄─────────┤ Doris │
│ (指标采集) │ │ [FE]:9030, [BE]:* │
└─────────────────┘ └────────────────────┘
▲ ▲
└──────────────┬────────────────┘
▼
┌────────────────────┐
│ Spring Boot │
│ /metrics 暴露端点 │
└────────────────────┘

🎨 ASCII 图颜色模拟：

• 红色边框：监控面板
• 蓝色块：Prometheus 数据采集
• 绿色背景：Doris 集群
• 黄色图表：趋势可视化（用字符模拟）

十、常见问题与解决方案

十一、总结

本文详细介绍了 Spring Boot 整合 Apache Doris 的全流程实践，涵盖：

✅ 架构设计 ✅ 环境部署 ✅ 数据建模 ✅ 实时写入（Kafka + Routine Load） ✅ OLAP 查询 ✅ 性能优化 ✅ 可视化监控

并通过 Mermaid、PlantUML、ASCII 图形 提供了多张彩色原理图，帮助开发者快速掌握系统交互逻辑。

💡 建议进阶方向：

• 结合 Flink CDC 实现 MySQL → Doris 实时入湖
• 使用 Doris Manager 或 DevOps 脚本自动化运维
• 引入 Kylin/Doris Bridge 支持多维分析

十二、参考资料