1. 面试官问这个问题,真正想听的是“定位差异”
前几天一个准备跳槽的朋友面试回来,跟我吐槽:“面试官问我 MySQL 和 Doris 的架构区别,我讲了十分钟存储引擎、执行引擎、副本机制,结果他最后说我没答到点上。”我问他面试官是怎么追问的,他说面试官只问了一句:“如果业务里同时有事务需求和报表需求,你怎么选?”
这句话才是题眼。
面试官问“MySQL 和 Doris 的架构区别”,表面上是考察你对两个数据库的了解程度,实际上是想看你有没有能力做技术选型。一个只会背文档的人能说出“MySQL 是行存储、Doris 是列存储”,但只有真正在项目里踩过坑的人,才能说清楚“为什么线上库不能拿 MySQL 跑聚合报表”“为什么 Doris 不适合做高频点查”——这两件事背后的原因,才是架构区别的本质。
先给一个总纲式的结论,后面展开讲:
- MySQL 是 OLTP 引擎,为高并发、低延迟、强事务的在线交易场景设计,核心是 B+树聚簇索引 + 行存储 + 主从复制,单机瓶颈明显。
- Doris 是 MPP OLAP 引擎,为海量数据下的多维分析、聚合查询、报表场景设计,核心是 FE/BE 分布式架构 + 列式存储 + 向量化执行 + 物化视图,能把一条 SQL 拆到几十台机器上并行跑。
这两个答案各占一半,但只答到这里还不够。面试官真正想听的是:你能不能用“一条 SQL 在这两个引擎里各自怎么执行”来把差异讲透?你能不能把“select * 被禁止”这件事和列式存储的裁剪机制联系起来?这些才是架构区别在实践里的投射。
这篇我会按照面试问答的逻辑来梳理,先拆架构,再讲性能来源,最后把“为什么大数据禁止 select *”这件事的账算清楚,末尾给出一套可以直接用的答题框架。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 从一条SQL的执行路径拆 MySQL 和 Doris 的架构
架构区别如果只停留在“一个单机一个分布式”,那跟没答一样。最好的思路是:拿一条 SQL 分别走一遍两个引擎,看它们在哪一步分道扬镳。
假设有一条查询:
sql复制SELECT region, SUM(amount)
FROM orders
WHERE order_date >= '2024-01-01'
GROUP BY region;
2.1 存储引擎层:B+树聚簇索引 vs 列式 Tablet
在 MySQL(InnoDB)里,orders 表的数据按主键顺序组织在 B+树的叶子节点上,每一行所有字段连续存放在一起,这叫聚簇索引,也是行式存储的典型形态。执行这条 SQL 时,InnoDB 扫描 order_date >= '2024-01-01' 对应的索引(如果有的话),或者干脆全表扫描,然后把命中的每一行完整读进内存,再逐行计算 SUM(amount)。
这意味着两个问题:
- 就算你只需要
region和amount两个字段,行式存储也得把整行数据(比如 50 个字段)全部从磁盘搬到内存。 - 整个扫描过程只有一个线程在做,即使你开了 32 核 CPU,MySQL 也只利用其中一个核来执行这条 SQL。主从复制只解决读扩展问题,单条查询仍然跑在一台机器上。
在 Doris 里,orders 表的数据会被水平切分成Tablet,按照哈希或范围分桶规则分布到多个 BE(Backend)节点上,每个 Tablet 默认 3 副本。存储格式是列式的:region 这一列的所有值连续存放,amount 这一列的所有值连续存放,互不干扰。
所以同样这条 SQL,Doris 的 Scan 节点只需要读取 order_date、region、amount 这三列的数据块,其他 47 列连碰都不会碰。单表数据量有数十亿行,这个差别会直接放大到 IO 层面。
| 维度 | MySQL (InnoDB) | Doris |
|---|---|---|
| 存储模型 | 行式存储,聚簇索引组织 | 列式存储,Tablet 分片分布式存放 |
| 单条查询执行 | 单线程执行,最多并行复制读 | MPP 多节点并行,每个 BE 多线程扫描 |
| 数据压缩 | 页级压缩,通用算法 | 列级编码(RLE、字典、ZigZag 等),压缩率高得多 |
| 适合场景 | 高频增删改、事务型点查 | 大宽表聚合、多维筛选、报表分析 |
2.2 节点角色:单机执行 vs FE/BE 分布式调度
MySQL 的架构在节点层面很简单:一个主库负责写,若干从库通过 binlog 同步负责读,客户端连接任何一个节点执行 SQL,SQL 就只在这个节点上跑完。加从库能扛更多读请求,但单条慢查询该多慢还是多慢。
Doris 则把节点拆成了两个角色:
- *FE(Frontend)
