This is an automated email from the ASF dual-hosted git repository.
jeffreyh pushed a commit to branch master
in repository https://gitbox.apache.org/repos/asf/doris-website.git
The following commit(s) were added to refs/heads/master by this push:
new e3ea63cf6f7 Update 4.0.0 release and download link (#2976)
e3ea63cf6f7 is described below
commit e3ea63cf6f77f4189a1b3e3bcf5efe5a2a1309ee
Author: zhuwei <[email protected]>
AuthorDate: Wed Oct 15 11:20:32 2025 +0800
Update 4.0.0 release and download link (#2976)
Update 4.0.0 release and download link, only contains Chinese release
note currently . English release note will be ready in a few days
---------
Co-authored-by: zhuwei <[email protected]>
---
docs/releasenotes/v4.0/release-4.0.0.md | 3 +
.../current/releasenotes/all-release.md | 3 +
.../current/releasenotes/v4.0/release-4.0.0.md | 665 +++++++++++++++++++++
sidebars.json | 7 +
src/constant/download.data.ts | 80 ++-
static/images/4.0.0-release.png | Bin 0 -> 47502 bytes
6 files changed, 755 insertions(+), 3 deletions(-)
diff --git a/docs/releasenotes/v4.0/release-4.0.0.md
b/docs/releasenotes/v4.0/release-4.0.0.md
new file mode 100644
index 00000000000..4d6e3deb208
--- /dev/null
+++ b/docs/releasenotes/v4.0/release-4.0.0.md
@@ -0,0 +1,3 @@
+---
+draft: true
+---
diff --git
a/i18n/zh-CN/docusaurus-plugin-content-docs/current/releasenotes/all-release.md
b/i18n/zh-CN/docusaurus-plugin-content-docs/current/releasenotes/all-release.md
index ee9eddf88da..3a38b15b5e3 100644
---
a/i18n/zh-CN/docusaurus-plugin-content-docs/current/releasenotes/all-release.md
+++
b/i18n/zh-CN/docusaurus-plugin-content-docs/current/releasenotes/all-release.md
@@ -10,6 +10,9 @@
:::tip 最新发布
+🎉 4.0.0 版本已于 2025 年 10 月 14
日正式发布，详情可查看[版本发布](../releasenotes/v4.0/release-4.0.0)。新版本通过 AI
与搜索能力的深度融合、离线计算的稳定性提升、性能与易用性的双重优化，进一步拓宽了数据库的应用边界，可更好地支撑企业从传统 BI 分析到 AI
智能检索、从实时查询到大规模离线批处理的全场景数据分析需求。无论是互联网、金融、零售等行业的实时报表、用户行为分析，还是政务、医疗领域的文档检索、大规模数据批处理，新版本
Doris 都将为用户提供更高效、更可靠的数据分析体验。
+<br />
+
🎉 3.1.1 版本已于 2025 年 09 月 26
日正式发布，详情可查看[版本发布](../releasenotes/v3.1/release-3.1.1)。Apache Doris 3.1
是半结构化分析领域的里程碑，引入了稀疏列和模板化
schema，显著提升了查询和索引性能。它还显著增强了湖仓一体能力，通过异步物化视图和优化连接属性，实现了数据湖和数据仓的无缝集成。新版本在存储引擎上提供了灵活列更新，并通过分区裁剪和基于数据特征的优化器，实现了查询性能的巨大飞跃。
<br />
diff --git
a/i18n/zh-CN/docusaurus-plugin-content-docs/current/releasenotes/v4.0/release-4.0.0.md
b/i18n/zh-CN/docusaurus-plugin-content-docs/current/releasenotes/v4.0/release-4.0.0.md
new file mode 100644
index 00000000000..9f4a623083b
--- /dev/null
+++
b/i18n/zh-CN/docusaurus-plugin-content-docs/current/releasenotes/v4.0/release-4.0.0.md
@@ -0,0 +1,665 @@
+---
+{
+ "title": "Release 4.0.0",
+ "language": "zh-CN"
+}
+---
+
+亲爱的社区小伙伴们，我们很高兴地向大家宣布，近期我们迎来了 Apache Doris 4.0 版本的正式发布，欢迎大家下载使用体验。本次发布围绕 “AI
驱动、搜索增强、离线提效” 三大核心方向，新增向量索引、AI
函数等关键特性，完善搜索功能矩阵，优化离线计算稳定性与资源利用率，并通过多项底层改进提升查询性能与数据质量，为用户构建更高效、更灵活的企业级数据分析平台。
+
+**在 4.0 版本的研发过程中，有超过 200 名贡献者为 Apache Doris 提交了 9000+
个优化与修复。**在此向所有参与版本研发、测试和需求反馈的贡献者们表示最衷心的感谢。
+
+- GitHub 下载：https://github.com/apache/doris/releases
+- 官网下载：https://doris.apache.org/download
+
+## 一、AI 能力深度集成，开启智能分析新范式
+
+随着大模型与向量检索技术在企业级场景的加速落地与深度渗透，本次 Doris 版本迭代将重点强化 AI
原生支持能力。通过向量索引技术，高效融合企业的结构化与非结构化数据，Doris 将突破传统数据库的功能边界，直接升级为企业核心的 “AI
分析中枢”，为业务端的智能化决策与创新实践提供稳定、高效的底层数据支撑。
+
+### **向量索引（Vector Index）**
+
+正式引入向量索引功能，支持对高维向量数据（如文本嵌入、图像特征等）进行高效存储与检索。结合 Doris 原生的 SQL 分析能力，用户可直接在数据库内完成
“结构化数据查询 + 向量相似性搜索” 的一体化分析，无需跨系统整合，大幅降低 AI 应用（如智能推荐、语义搜索、图像检索）的开发与部署成本。
+
+**向量索引检索函数介绍**
+
+- `l2_distance_approximate()` 使用 HNSW 索引按 **欧氏距离（L2）** 近似计算相似度。**数值越小越相似****。**
+- `inner_product_approximate()`使用 HNSW 索引按 **内积（Inner Product）**
近似计算相似度。**数值越大越相似。**
+
+**示例**
+
+```SQL
+-- 1) 建表与索引
+CREATE TABLE doc_store (
+ id BIGINT,
+ title STRING,
+ tags ARRAY<STRING>,
+ embedding ARRAY<FLOAT> NOT NULL,
+ INDEX idx_vec (embedding) USING ANN PROPERTIES (
+ "index_type" = "hnsw",
+ "metric_type" = "l2_distance",
+ "dim" = "768",
+ "quantizer" = "flat" -- 可选：flat / sq8 / sq4
+ ),
+ INDEX idx_title (title) USING INVERTED PROPERTIES ("parser" = "english")
+)
+DUPLICATE KEY(id)
+DISTRIBUTED BY HASH(id) BUCKETS 16
+PROPERTIES("replication_num"="1");
+
+-- 2) TopN 最近邻（建议使用 PreparedStatement 传入向量）, 用真实向量替换下面的 ... 占位符
+SELECT id, l2_distance_approximate(embedding, [...]) AS dist
+FROM doc_store
+ORDER BY dist ASC
+LIMIT 10;
+
+-- 3) 带过滤条件的 ANN（先过滤后TopN，保障召回）, 用真实向量替换下面的 ... 占位符
+SELECT id, title,
+ l2_distance_approximate(embedding, [...]) AS dist
+FROM doc_store
+WHERE title MATCH_ANY 'music' -- 使用倒排索引快速过滤
+ AND array_contains(tags, 'recommendation') -- 结构化过滤
+ORDER BY dist ASC
+LIMIT 5;
+
+-- 4) 范围查询，, 用真实向量替换下面的 ... 占位符
+SELECT COUNT(*)
+FROM doc_store
+WHERE l2_distance_approximate(embedding, [...]) <= 0.35;
+```
+
+**建索引参数**
+
+- `index_type`：必填，当前支持 `hnsw`。
+- `metric_type`：必填，`l2_distance` / `inner_product`。
+- `dim`：必填，正整数，需与导入向量维度严格一致。
+- `max_degree`：可选，默认 **32**；控制 HNSW 图节点出度（M）。
+- `ef_construction`：可选，默认 **40**；构建阶段候选队列长度。
+- `quant`：可选，`flat`（默认）/ `sq8` / `sq4`；量化可显著降低内存占用，SQ8 索引体积约为 FLAT 的
**1/3**，以小幅召回损失换取更高容量/更低成本。
+
+**注意事项**
+
+- Doris **默认采用“前过滤”**：先用可精确定位的索引（如倒排）做谓词过滤，再在剩余集合上进行 ANN TopN，确保结果可解释与召回稳定。
+- 如 SQL 中出现 **无法由二级索引精确定位** 的谓词（例：`ROUND(id) > 100` 且 `id`
无倒排等二级索引），为保证前过滤语义与正确性，系统将 **回退精确暴力搜索**。
+- 向量列需为 **`ARRAY<FLOAT> NOT NULL`**，且导入向量维度必须与索引 `dim` 一致。
+- ANN 目前仅支持 **Duplicate Key** 表模型。
+
+### **AI** **Functions 函数库**
+
+让数据分析师能够直接通过简单的 SQL
语句，调用大语言模型进行文本处理。无论是提取特定重要信息、对评论进行情感分类，还是生成简短的文本摘要，现在都能在数据库内部无缝完成：
+
+-
[AI_CLASSIFY](https://doris.apache.org/zh-CN/docs/dev/sql-manual/sql-functions/ai-functions/ai-classify)：
在给定的标签中提取与文本内容匹配度最高的单个标签字符串
+-
[AI_EXTRACT](https://doris.apache.org/zh-CN/docs/dev/sql-manual/sql-functions/ai-functions/ai-extract)：
根据文本内容，为每个给定标签提取相关信息。
+-
[AI_FILTER](https://doris.apache.org/zh-CN/docs/dev/sql-manual/sql-functions/ai-functions/ai-filter):
判断文本内容是否正确，返回值为bool类型。
+-
[AI_FIXGRAMMAR](https://doris.apache.org/zh-CN/docs/dev/sql-manual/sql-functions/ai-functions/ai-fixgrammar)：
修复文本中的语法、拼写错误。
+-
[AI_GENERATE](https://doris.apache.org/zh-CN/docs/dev/sql-manual/sql-functions/ai-functions/ai-generate)：
基于参数内容生成内容。
+-
[AI_MASK](https://doris.apache.org/zh-CN/docs/dev/sql-manual/sql-functions/ai-functions/ai-mask):
根据标签，将原文中的敏感信息用`[MASKED]`进行替换处理。
+-
[AI_SENTIMENT](https://doris.apache.org/zh-CN/docs/dev/sql-manual/sql-functions/ai-functions/ai-sentiment)：
分析文本情感倾向，返回值为`positive`、`negative`、`neutral`、`mixed`其中之一。
+-
[AI_SIMILARITY](https://doris.apache.org/zh-CN/docs/dev/sql-manual/sql-functions/ai-functions/ai-similarity)：
判断两文本的语义相似度，返回值为 0 - 10 之间的浮点数，值越大代表语义越相似。
+-
[AI_SUMMARIZE](https://doris.apache.org/zh-CN/docs/dev/sql-manual/sql-functions/ai-functions/ai-summarize)：
对文本进行高度总结概括。
+-
[AI_TRANSLATE](https://doris.apache.org/zh-CN/docs/dev/sql-manual/sql-functions/ai-functions/ai-translate)：
将文本翻译为指定语言。
+-
[AI_AGG](https://doris.apache.org/zh-CN/docs/dev/sql-manual/sql-functions/aggregate-functions/ai-agg):
对多条文本进行跨行聚合分析。
+
+目前可以支持：OpenAI、Anthropic、Gemini、DeepSeek、Local、MoonShot、MiniMax、Zhipu、Qwen、Baichuan。例如，我们模拟一个简历筛选的需求，可以通过以下SQL
来在语义层进行筛选。
+
+以下表模拟在招聘时的候选人简历和职业要求：
+
+```SQL
+CREATE TABLE candidate_profiles (
+ candidate_id INT,
+ name VARCHAR(50),
+ self_intro VARCHAR(500)
+)
+DUPLICATE KEY(candidate_id)
+DISTRIBUTED BY HASH(candidate_id) BUCKETS 1
+PROPERTIES (
+ "replication_num" = "1"
+);
+
+CREATE TABLE job_requirements (
+ job_id INT,
+ title VARCHAR(100),
+ jd_text VARCHAR(500)
+)
+DUPLICATE KEY(job_id)
+DISTRIBUTED BY HASH(job_id) BUCKETS 1
+PROPERTIES (
+ "replication_num" = "1"
+);
+
+INSERT INTO candidate_profiles VALUES
+(1, 'Alice', 'I am a senior backend engineer with 7 years of experience in
Java, Spring Cloud and high-concurrency systems.'),
+(2, 'Bob', 'Frontend developer focusing on React, TypeScript and performance
optimization for e-commerce sites.'),
+(3, 'Cathy', 'Data scientist specializing in NLP, large language models and
recommendation systems.');
+
+INSERT INTO job_requirements VALUES
+(101, 'Backend Engineer', 'Looking for a senior backend engineer with deep
Java expertise and experience designing distributed systems.'),
+(102, 'ML Engineer', 'Seeking a data scientist or ML engineer familiar
with NLP and large language models.');
+```
+
+可以通过AI_FILTER把职业要求和候选人简介做语义匹配，筛选出合适的候选人：
+
+```SQL
+SELECT
+ c.candidate_id, c.name,
+ j.job_id, j.title
+FROM candidate_profiles AS c
+JOIN job_requirements AS j
+WHERE AI_FILTER(CONCAT('Does the following candidate self-introduction match
the job description?',
+ 'Job: ', j.jd_text, ' Candidate: ', c.self_intro));
++--------------+-------+--------+------------------+
+| candidate_id | name | job_id | title |
++--------------+-------+--------+------------------+
+| 3 | Cathy | 102 | ML Engineer |
+| 1 | Alice | 101 | Backend Engineer |
++--------------+-------+--------+------------------+
+```
+
+## 二、搜索功能全面升级，赋能全文检索
+
+针对企业级搜索场景的多样化需求，本次版本完善搜索能力矩阵，提供更精准、更灵活的文本检索体验：
+
+### **新增Search 函数：统一入口的轻量 DSL 全文检索**
+
+#### **核心亮点**
+
+- **一个函数搞定全文检索**：将复杂文本检索算子收拢到 `SEARCH()` 统一入口，语法贴近 **Elasticsearch Query
String**，极大降低 SQL 拼接复杂度与迁移成本。
+- **多条件索引下推**：复杂检索条件直接下推至倒排索引执行，避免“解析一次、拼接一次”的重复开销，显著提升性能。
+
+#### **DSL语法支持简介**
+
+- 当前版本支持的语法功能
+ - 词项查询（Term）：`field:value`
+ - ANY / ALL 多值匹配：`field:ANY(v1 v2 ...)` / `field:ALL(v1 v2 ...)`
+ - 布尔组合：`AND / OR / NOT` 与括号分组
+ - 多字段搜索：在一个 `search()` 中对多个字段做布尔组合
+- 后续版本会持续迭代以支持以下语法功能
+ - 短语
+ - 前缀
+ - 通配符
+ - 正则
+ - 范围
+ - 列表
+
+#### **使用方式举例**
+
+```SQL
+-- 词项查询
+SELECT * FROM docs WHERE search('title:apache');
+
+-- ANY：匹配任意一个值
+SELECT * FROM docs WHERE search('tags:ANY(java python golang)');
+
+-- ALL：同时包含多个值
+SELECT * FROM docs WHERE search('tags:ALL(machine learning)');
+
+-- 布尔 + 多字段
+SELECT * FROM docs
+WHERE search('(title:Doris OR content:database) AND NOT category:archived');
+
+-- 结合结构化过滤（结构化条件不参与打分）
+SELECT * FROM docs
+WHERE search('title:apache') AND publish_date >= '2025-01-01';
+```
+
+### **文本检索打分**
+
+为了更好的支持混合检索场景，Doris4.0版本引入业界主流的 BM25 相关性评分算法，替代传统的 TF-IDF 算法。BM25
可根据文档长度动态调整词频权重，在长文本、多字段检索场景下（如日志分析、文档检索），显著提升结果相关性与检索准确性。
+
+#### **使用方式举例**
+
+```SQL
+SELECT *, score() as score
+FROM search_demo
+WHERE content MATCH_ANY 'search query'
+ORDER BY score DESC
+LIMIT 10;
+```
+
+#### **功能特性和限制**
+
+##### 支持的索引类型
+
+- Tokenized索引：预定义分词器和自定义分词器
+- 非Tokenized索引：不分词索引
+
+##### 支持的文本检索算子
+
+- MATCH_ANY
+- MATCH_ALL
+- MATCH_PHRASE
+- MATCH_PHRASE_PREFIX
+- SEARCH
+
+##### 注意事项
+
+- 分数范围：BM25分数没有固定的上下界，分数的相对大小比绝对值更有意义
+- 空查询：如果查询词项在集合中不存在，将返回0分
+- 文档长度影响：较短的文档在包含查询词项时通常获得更高分数
+- 查询词项数量：多词项查询的分数是各词项分数的组合（相加）
+
+### 倒排索引分词能力增强
+
+Doris 在3.1 版本初步提供了一定能力的分词能力，在4.0 版本中，我们对分词能力进一步增强，能够满足用户在不同场景下的分词和文本检索需求。
+
+#### 增加三种内置分词器
+
+##### ICU（International Components for Unicode）分词器
+
+- 适用场景：包含复杂文字系统的国际化文本，特别适合多语言混合文档。
+- 分词能力举例
+
+```SQL
+SELECT TOKENIZE('مرحبا بالعالم Hello 世界', '"parser"="icu"');
+-- 结果: ["مرحبا", "بالعالم", "Hello", "世界"]
+
+SELECT TOKENIZE('มนไมเปนไปตามความตองการ', '"parser"="icu"');
+-- 结果: ["มน", "ไมเปน", "ไป", "ตาม", "ความ", "ตองการ"]
+```
+
+##### IK分词器
+
+- 适用场景：对分词质量要求较高的中文文本处理
+- ik_smart：智能模式，词少且更长，语义集中，适合精确搜索
+- ik_max_word：最细粒度模式，更多短词，覆盖更全面，适合召回搜索
+- 分词能力举例
+
+```SQL
+SELECT TOKENIZE('中华人民共和国国歌', '"parser"="ik","parser_mode"="ik_smart"');
+-- 结果: ["中华人民共和国", "国歌"]
+
+SELECT TOKENIZE('中华人民共和国国歌', '"parser"="ik","parser_mode"="ik_max_word"');
+-- 结果: ["中华人民共和国", "中华人民", "中华", "华人", "人民共和国", "人民", "共和国", "共和", "国歌"]
+```
+
+##### Basic分词器
+
+- 适用场景：简单场景、对性能要求极高的场景，可以作为日志场景中unicode分词器的平替
+- 分词能力举例
+
+```SQL
+-- 英文文本分词
+SELECT TOKENIZE('Hello World! This is a test.', '"parser"="basic"');
+-- 结果: ["hello", "world", "this", "is", "a", "test"]
+
+-- 中文文本分词
+SELECT TOKENIZE('你好世界', '"parser"="basic"');
+-- 结果: ["你", "好", "世", "界"]
+
+-- 混合语言分词
+SELECT TOKENIZE('Hello你好World世界', '"parser"="basic"');
+-- 结果: ["hello", "你", "好", "world", "世", "界"]
+
+-- 包含数字和特殊字符
+SELECT TOKENIZE('GET /images/hm_bg.jpg HTTP/1.0', '"parser"="basic"');
+-- 结果: ["get", "images", "hm", "bg", "jpg", "http", "1", "0"]
+
+-- 处理长数字序列
+SELECT TOKENIZE('12345678901234567890', '"parser"="basic"');
+-- 结果: ["12345678901234567890"]
+```
+
+#### 新增自定义分词能力
+
+- 管道化组合：通过 char filter、tokenizer 与多个 token filter 的链式配置，构建自定义文本处理流程。
+- 组件复用：常用的 tokenizer 和 filter 可在多个 analyzer 中共享，减少重复定义，降低维护成本。
+- 用户可以通过Doris提供的自定义分词机制，支持灵活组合char filter、tokenizer 和 token
filter，从而为不同字段定制合适的分词流程，满足复杂场景下的个性化文本检索需求。
+
+##### 使用方式举例1
+
+- 创建类型为word_delimiter的token filter，通过配置 Word Delimiter
Filter，将点号(.)和下划线(_)设置为分隔符。
+- 创建自定义分词器complex_identifier_analyzer，引用token filter complex_word_splitter。
+
+```SQL
+-- 1. 创建自定义 token filter
+CREATE INVERTED INDEX TOKEN_FILTER IF NOT EXISTS complex_word_splitter
+PROPERTIES
+(
+ "type" = "word_delimiter",
+ "type_table" = "[. => SUBWORD_DELIM], [_ => SUBWORD_DELIM]");
+
+-- 2. 创建自定义分词器
+CREATE INVERTED INDEX ANALYZER IF NOT EXISTS complex_identifier_analyzer
+PROPERTIES
+(
+ "tokenizer" = "standard",
+ "token_filter" = "complex_word_splitter, lowercase"
+);
+
+SELECT TOKENIZE(‘apy217.39_202501260000026_526’, ‘”analyzer“=”
complex_identifier_analyzer“‘);
+-- 结果为[apy]、[217]、[39]、[202501260000026]、[526]
+
+-- MATCH(‘apy217’)或者MATCH(‘202501260000026’)都可以命中
+```
+
+##### 使用方式举例2
+
+- 创建类型为char_group的tokenizer multi_value_tokenizer，只将符号|设置为分隔符。
+- 创建自定义分词器multi_value_analyzer，引用tokenizer multi_value_tokenizer 。
+
+```SQL
+-- 创建用于多值列分割的 char group tokenizer
+CREATE INVERTED INDEX TOKENIZER IF NOT EXISTS multi_value_tokenizer
+PROPERTIES
+(
+ "type" = "char_group",
+ "tokenize_on_chars" = "[|]",
+ "max_token_length" = "255"
+);
+-- 创建多值列分词器
+CREATE INVERTED INDEX ANALYZER IF NOT EXISTS multi_value_analyzer
+PROPERTIES
+(
+ "tokenizer" = "multi_value_tokenizer",
+ "token_filter" = "lowercase, asciifolding"
+);
+
+SELECT tokenize('alice|123456|company', '"analyzer"="multi_value_analyzer"');
+-- 结果为[alice]、[123456]、[company]
+
+-- MATCH_ANY(‘alice’)或者MATCH_ANY(‘123456’)都可以命中
+```
+
+## 三、离线计算能力强化，保障大规模任务稳定运行
+
+当前越来越多的用户将ETL 数据加工，多表物化视图处理等离线计算任务迁移到Doris 上运行，针对离线批处理场景的资源消耗大、任务易溢出等痛点，4.0 新增
Spill Disk
功能，当离线计算任务的内存占用超出阈值时，自动将部分中间数据写入磁盘，避免因内存不足导致任务失败，大幅提升大规模离线任务的稳定性与容错能力。目前支持落盘的算子有：
+
+- Hash Join算子
+- 聚合算子
+- 排序算子
+- CTE 算子
+
+### BE配置项
+
+```JavaScript
+spill_storage_root_path=/mnt/disk1/spilltest/doris/be/storage;/mnt/disk2/doris-spill;/mnt/disk3/doris-spill
+spill_storage_limit=100%
+```
+
+- spill_storage_root_path：查询中间结果落盘文件存储路径，默认和storage_root_path一样。
+- spill_storage_limit: 落盘文件占用磁盘空间限制。可以配置具体的空间大小（比如100G,
1T）或者百分比，默认是20%。如果spill_storage_root_path配置单独的磁盘，可以设置为100%。这个参数主要是防止落盘占用太多的磁盘空间，导致无法进行正常的数据存储。
+
+### FE Session Variable
+
+```JavaScript
+set enable_spill=true;
+set exec_mem_limit = 10g;
+set query_timeout = 3600;
+```
+
+- enable_spill 表示一个query 是否开启落盘，默认关闭；如果开启，在内存紧张的情况下，会触发查询落盘；
+- exec_mem_limit 表示一个query 使用的最大的内存大小；
+- query_timeout 开启落盘，查询时间可能会显著增加，query_timeout需要进行调整。
+
+一旦落盘发生，用户可以通过多种方式监测落盘的执行状况。
+
+### 审计日志
+
+FE audit
log中增加了`SpillWriteBytesToLocalStorage`和`SpillReadBytesFromLocalStorage`字段，分别表示落盘时写盘和读盘数据总量。
+
+```Plain
+SpillWriteBytesToLocalStorage=503412182|SpillReadBytesFromLocalStorage=503412182
+```
+
+### Profile
+
+如果查询过程中触发了落盘，在Query Profile中增加了`Spill`
前缀的一些Counter进行标记和落盘相关counter。以HashJoin时Build HashTable为例，可以看到下面的Counter：
+
+```Bash
+PARTITIONED_HASH_JOIN_SINK_OPERATOR (id=4 , nereids_id=179):(ExecTime:
6sec351ms)
+ - Spilled: true
+ - CloseTime: 528ns
+ - ExecTime: 6sec351ms
+ - InitTime: 5.751us
+ - InputRows: 6.001215M (6001215)
+ - MemoryUsage: 0.00
+ - MemoryUsagePeak: 554.42 MB
+ - MemoryUsageReserved: 1024.00 KB
+ - OpenTime: 2.267ms
+ - PendingFinishDependency: 0ns
+ - SpillBuildTime: 2sec437ms
+ - SpillInMemRow: 0
+ - SpillMaxRowsOfPartition: 68.569K (68569)
+ - SpillMinRowsOfPartition: 67.455K (67455)
+ - SpillPartitionShuffleTime: 836.302ms
+ - SpillPartitionTime: 131.839ms
+ - SpillTotalTime: 5sec563ms
+ - SpillWriteBlockBytes: 714.13 MB
+ - SpillWriteBlockCount: 1.344K (1344)
+ - SpillWriteFileBytes: 244.40 MB
+ - SpillWriteFileTime: 350.754ms
+ - SpillWriteFileTotalCount: 32
+ - SpillWriteRows: 6.001215M (6001215)
+ - SpillWriteSerializeBlockTime: 4sec378ms
+ - SpillWriteTaskCount: 417
+ - SpillWriteTaskWaitInQueueCount: 0
+ - SpillWriteTaskWaitInQueueTime: 8.731ms
+ - SpillWriteTime: 5sec549ms
+```
+
+### 系统表 backend_active_tasks
+
+增加了`SPILL_WRITE_BYTES_TO_LOCAL_STORAGE`和`SPILL_READ_BYTES_FROM_LOCAL_STORAGE`字段，分别表示一个查询目前落盘中间结果写盘数据和读盘数据总量。
+
+```Bash
+mysql [information_schema]>select * from backend_active_tasks;
++-------+------------+-------------------+-----------------------------------+--------------+------------------+-----------+------------+----------------------+---------------------------+--------------------+-------------------+------------+------------------------------------+-------------------------------------+
+| BE_ID | FE_HOST | WORKLOAD_GROUP_ID | QUERY_ID |
TASK_TIME_MS | TASK_CPU_TIME_MS | SCAN_ROWS | SCAN_BYTES | BE_PEAK_MEMORY_BYTES
| CURRENT_USED_MEMORY_BYTES | SHUFFLE_SEND_BYTES | SHUFFLE_SEND_ROWS |
QUERY_TYPE | SPILL_WRITE_BYTES_TO_LOCAL_STORAGE |
SPILL_READ_BYTES_FROM_LOCAL_STORAGE |
++-------+------------+-------------------+-----------------------------------+--------------+------------------+-----------+------------+----------------------+---------------------------+--------------------+-------------------+------------+------------------------------------+-------------------------------------+
+| 10009 | 10.16.10.8 | 1 | 6f08c74afbd44fff-9af951270933842d |
13612 | 11025 | 12002430 | 1960955904 | 733243057
| 70113260 | 0 | 0 | SELECT
| 508110119 | 26383070 |
+| 10009 | 10.16.10.8 | 1 | 871d643b87bf447b-865eb799403bec96 |
0 | 0 | 0 | 0 | 0
| 0 | 0 | 0 | SELECT
| 0 | 0 |
++-------+------------+-------------------+-----------------------------------+--------------+------------------+-----------+------------+----------------------+---------------------------+--------------------+-------------------+------------+------------------------------------+-------------------------------------+
+2 rows in set (0.00 sec)
+```
+
+### 测试
+
+为验证落盘功能的稳定性，我们采用 **TPC-DS 10TB 标准数据集** 开展测试，测试环境配置为 **3 台 BE 服务器（每台 16 核
CPU、64GB 内存）**。BE的内存与数据规模的比例为 1:52。测试结果显示，整体运行时长为 28102.386 秒，且成功跑完 TPC-DS
基准测试中的全部 99 条查询，验证了落盘功能的基础稳定性。
+
+具体数据请参考，
https://doris.apache.org/zh-CN/docs/dev/admin-manual/workload-management/spill-disk
+
+## 四、数据质量全链路保障，筑牢分析结果可信基石
+
+数据正确性是企业制定决策的核心前提与关键基石。为进一步夯实这一基础，4.0
版本对大量函数的运行行为进行了系统性梳理与规范，从数据导入环节到计算分析环节构建全链路校验机制，全面保障数据处理结果的准确性与可靠性，为企业决策提供坚实的数据支撑。
+
+**注：这些****数据质量****问题的梳理，会导致一些行为跟过去不一样，升级之前需要仔细阅读这些文档。**
+
+### Cast
+
+CAST 是 SQL 中逻辑最复杂的函数之一，其核心作用是实现不同数据类型间的转换 ——
这一过程不仅需处理大量细碎的格式规则与边界场景，更因涉及类型语义的精准映射，成为实际使用中极易出错的环节。尤其在数据导入场景中，本质是将外部字符串转换为数据库内部类型的
CAST 操作，因此 CAST 的行为直接决定了导入逻辑的准确性与稳定性。同时，我们可以预见未来的数据库将大量的被AI 来操作，而AI
需要对数据库的行为有明确的定义，为此，我们引入了BNF 范式，我们希望通过范式定义的方式，为开发者和AI Agent提供清晰的操作依据。例如仅 DATE
类型的 CAST 就已通过 BNF 覆盖数十种格式组合场景（
https://doris.apache.org/zh-CN/docs/dev/sql-manual/basic-element/sql-data-types/conversion/datetime-conversion
），同时在测试阶段我们通过这些规则，派生出百万级的测试case，
保障结果的正确性。
+
+```XML
+<datetime> ::= <date> (("T" | " ") <time> <whitespace>* <offset>?)?
+ | <digit>{14} <fraction>? <whitespace>* <offset>?
+
+––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
+
+<date> ::= <year> ("-" | "/") <month1> ("-" | "/") <day1>
+ | <year> <month2> <day2>
+
+<year> ::= <digit>{2} | <digit>{4} ; 1970 为界
+<month1> ::= <digit>{1,2} ; 01–12
+<day1> ::= <digit>{1,2} ; 01–28/29/30/31 视月份而定
+
+<month2> ::= <digit>{2} ; 01–12
+<day2> ::= <digit>{2} ; 01–28/29/30/31 视月份而定
+
+––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
+
+<time> ::= <hour1> (":" <minute1> (":" <second1> <fraction>?)?)?
+ | <hour2> (<minute2> (<second2> <fraction>?)?)?
+
+<hour1> ::= <digit>{1,2} ; 00–23
+<minute1> ::= <digit>{1,2} ; 00–59
+<second1> ::= <digit>{1,2} ; 00–59
+
+<hour2> ::= <digit>{2} ; 00–23
+<minute2> ::= <digit>{2} ; 00–59
+<second2> ::= <digit>{2} ; 00–59
+
+<fraction> ::= "." <digit>*
+
+––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
+
+<offset> ::= ( "+" | "-" ) <hour-offset> [ ":"? <minute-offset> ]
+ | <special-tz>
+ | <long-tz>
+
+<hour-offset> ::= <digit>{1,2} ; 0–14
+<minute-offset> ::= <digit>{2} ; 00/30/45
+
+<special-tz> ::= "CST" | "UTC" | "GMT" | "ZULU" | "Z" ; 忽略大小写
+<long-tz> ::= ( ^<whitespace> )+ ; e.g.
America/New_York
+
+––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
+
+<digit> ::= "0" | "1" | "2" | "3" | "4" | "5" | "6" | "7" | "8" | "9"
+
+<area> ::= <alpha>+
+<location> ::= (<alpha> | "_")+
+<alpha> ::= "A" | … | "Z" | "a" | … | "z"
+<whitespace> ::= " " | "\t" | "\n" | "\r" | "\v" | "\f"
+```
+
+### 严格模式、非严格模式、try_cast
+
+在 Doris 4.0 中，对`CAST`操作增加了严格模式、非严格模式（通过enable_strict_cast
来控制）以及`TRY_CAST`函数，以更好地处理数据类型转换时的各种情况。具体如下：
+
+- **严格模式**：系统会依据预定义的 BNF（语法规则，对输入数据的格式、类型、取值范围进行严格校验：若数据不符合规则（如字段类型应为 “数值型”
却传入字符串、日期格式不符合 “YYYY-MM-DD”
规范），系统会直接终止数据处理流程并抛出明确报错（含具体不符合规则的字段与原因），杜绝不合法数据进入存储或计算环节。这种 “零容忍” 的校验逻辑，与
PostgreSQL 数据库的严格数据校验行为高度一致，能从源头保障数据质量的准确性与一致性，因此在对数据可靠性要求极高的场景中不可或缺 ——
例如金融行业的交易对账、财务领域的账单核算、政务系统的信息登记等场景，一旦出现不合法数据（如交易金额为负数、账单日期格式错误），可能引发资金损失、合规风险或业务流程混乱。
+- **非严格模式**：系统同样会依据 BNF 规则校验数据，但采用 “容错式” 处理逻辑：若数据不符合规则，不会终止流程或报错，而是自动将不合法数据转换为
NULL 值后继续执行 SQL（例如将字符串 “xyz” 转换为数值型 NULL），确保 SQL
任务能正常完成，优先保障业务流程的连续性与执行效率。这种模式更适用于对 “数据完整性要求较低、但对 SQL 执行成功率要求高” 的场景 ——
例如日志数据处理、用户行为数据清洗、临时数据分析等场景，此类场景中数据量庞大且来源复杂（如 APP
日志可能因设备异常产生格式错乱字段），若因少量不合法数据中断整个 SQL 任务，会大幅降低处理效率，且少量 NULL
值对整体分析结果（如统计活跃用户数、点击量）影响极小。
+
+enable_strict_cast 是在一个语句级别控制cast的行为的方式，但是可能会出现，在一个SQL 中有多个cast
函数，有一部分函数用户希望用严格模式，另外一部分函数使用非严格模式，所以我们引入了`TRY_CAST`
函数。`TRY_CAST`函数的作用是将一个表达式转换为指定的数据类型，如果转换成功则返回转换后的值，如果转换失败则返回
NULL。其语法为`TRY_CAST(source_expr AS
target_type)`，其中`source_expr`是要转换的表达式，`target_type`是目标数据类型。例如，`TRY_CAST('123'
AS INT)`会返回 123，而`TRY_CAST('abc' AS INT)`会返回
NULL。`TRY_CAST`函数提供了一种更灵活的类型转换方式，在不需要严格保证转换成功的场景下，可以使用该函数来避免因转换失败而导致的错误。
+
+### 浮点类型计算
+
+Doris 提供了两种浮点数据类型：`FLOAT` 和 `DOUBLE`，但是在有Inf或者Nan的时候由于行为不确定，导致order by 或者
group by时结果可能错误，在这个版本中我们规范并且明确了这个行为。
+
+**算术运算**
+
+Doris 的浮点数支持常见的加减乘除等算术运算。
+
+需要特别注意的是，Doris 在处理浮点数除以 0 的情况时，并不完全遵循 IEEE 754 标准。
+
+Doris 在这方面参考了 PostgreSQL 的实现，当除以 0 时不会生成特殊值，而是返回 SQL NULL：
+
+| 表达式 | PostgreSQL | IEEE 754 | Doris |
+| ----------------------- | ---------- | --------- | -------- |
+| 1.0 / 0.0 | 错误 | Infinity | NULL |
+| 0.0 / 0.0 | 错误 | NaN | NULL |
+| -1.0 / 0.0 | 错误 | -Infinity | NULL |
+| 'Infinity' / 'Infinity' | NaN | NaN | NaN |
+| 1.0 / 'Infinity' | 0 | 0 | 0 |
+| 'Infinity' - 'Infinity' | NaN | NaN | NaN |
+| 'Infinity' - 1.0 | Infinity | Infinity | Infinity |
+
+**比较运算**
+
+IEEE 标准定义的浮点数比较与通常的整数比较有一些重要区别。例如，负零和正零被视为相等，而任何 NaN
值与任何其他值（包括它自身）比较时都不相等。所有有限浮点数都严格小于 +∞，严格大于 -∞。
+
+为了确保结果的一致性和可预测性，Doris 对 NaN 的处理与 IEEE 标准有所不同。 在 Doris 中，NaN 被视为大于所有其他值（包括
Infinity）, NaN 等于 NaN。
+
+```SQL
+mysql> select * from sort_float order by d;
++------+-----------+
+| id | d |
++------+-----------+
+| 5 | -Infinity |
+| 2 | -123 |
+| 1 | 123 |
+| 4 | Infinity |
+| 8 | NaN |
+| 9 | NaN |
++------+-----------+
+
+mysql> select
+ cast('Nan' as double) = cast('Nan' as double) ,
+ cast('Nan' as double) > cast('Inf' as double) ,
+ cast('Nan' as double) > cast('123456.789' as double);
++-----------------------------------------------+-----------------------------------------------+------------------------------------------------------+
+| cast('Nan' as double) = cast('Nan' as double) | cast('Nan' as double) >
cast('Inf' as double) | cast('Nan' as double) > cast('123456.789' as double) |
++-----------------------------------------------+-----------------------------------------------+------------------------------------------------------+
+| 1 |
1 | 1 |
++-----------------------------------------------+-----------------------------------------------+------------------------------------------------------+
+```
+
+### 日期函数
+
+本次优化围绕日期函数与时区支持两大维度展开，进一步提升了数据处理的准确性与适用性：
+
+**统一日期溢出行为**：针对众多日期函数在日期溢出场景（如日期小于 `0000-01-01` 或大于
`9999-12-31`）下的行为进行标准化修正，此前不同函数处理溢出时结果不一致的问题被解决，当前所有相关函数在触发日期溢出时均统一返回报错，避免因异常结果导致的数据计算偏差。
+
+**扩展日期函数支持范围**：将部分日期类型函数的参数签名从 `int32` 升级为 `int64`。这一调整突破了原 `int32`
类型对日期范围的限制，使相关函数能够支持更大跨度的日期计算。
+
+**优化时区支持描述**：结合 Doris
时区管理的实际逻辑（详见官方文档：https://doris.apache.org/zh-CN/docs/dev/admin-manual/cluster-management/time-zone
），对时区支持内容进行了更精准的补充与说明，明确了 `system_time_zone` 与 `time_zone`
两大核心参数的作用、修改方式，以及时区对日期函数（如
`FROM_UNIXTIME`、`UNIX_TIMESTAMP`）、数据导入转换的具体影响，为用户配置与使用时区功能提供更清晰的指引。
+
+为构建真正 Agent Friendly 的数据库生态，并帮助大模型更精准、深度地理解 Doris，我们对 Doris 的 SQL Reference
进行了系统性完善，具体涵盖数据类型定义、函数定义、数据变换规则等核心内容，为 AI 与数据库的协同交互奠定清晰、可靠的技术基础。
这项工作得到了很多社区小伙伴的支持，他们的智慧与力量为项目注入了关键活力。我们也热切期待更多社区同仁加入进来，与我们携手共建，在技术探索与生态完善的道路上凝聚更多力量，共创更大价值。
+
+## 五、性能优化
+
+### **TopN 延迟物化**
+
+`SELECT * FROM tableX ORDER BY columnA ASC/DESC LIMIT N` 作为典型的 TopN
查询模式，广泛应用于日志分析、向量检索、数据探查等高频场景。由于此类查询未携带过滤条件，当数据规模庞大时，传统执行方式需对全表数据进行扫描并排序，这会导致大量不必要的数据读取，引发严重的读放大问题。尤其在高并发请求或大数据量存储场景中，该类查询的性能瓶颈更为显著，用户对其优化需求极为迫切。
+
+
+
+为攻克这一痛点，我们引入了「延迟物化」优化机制，将 TopN 查询拆解为两阶段高效执行：第一阶段仅读取排序字段（columnA）与用于定位数据的主键 /
行标识，通过排序快速筛选出符合 `LIMIT N` 条件的目标行；第二阶段再基于行标识精准读取目标行的所有列数据。
+
+在4.0上，我们对这个能力做出了更进一步的扩展
+
+- 支持在多表关联的时候也进行TopN的延迟物化
+- 支持在外表查询时进行TopN的延迟物化
+
+在这两个新的场景之中，这个方案能大幅削减非必要列的读取量，从根源上降低读放大效应，在宽表小 `LIMIT` 场景下 TopN 查询的执行效率有几十倍的提升。
+
+### **SQL Cache 缓存**
+
+SQL Cache 是Doris
在早期版本中提供的一个功能，但是这个功能的使用受限于很多条件，所以没有默认打开，在这个版本中，我们系统的梳理了可能影响SQL Cache 结果的问题，例如
catalog、db、table、column、row查询权限变更，Session variables
发生变更，出现了常量折叠规则不能化简的非确定函数等，确保SQL Cache 结果的正确性，所以这个功能默认开启。
+
+同时我们系统的优化了优化器解析SQL的性能，将SQL
解析的性能提升了100倍。例如以下SQL，其中big_view是个很大的view，里面有嵌套的view，共计163个join和17个union，我们将SQL
解析的性能从400ms，提升到了2ms。这个优化不仅仅对SQL Cache 有很大的作用，对Doris 在高并发查询场景下，都有很大的提升。
+
+```SQL
+SELECT *,now() as etl_time from big_view;
+```
+
+### JSON 性能优化
+
+JSON 是半结构化数据常见的一种存储方式，在4.0 版本我们对JSONB 也进行了升级。一方面，新增对 Decimal 类型的支持，完善了 JSON 中
Number 类型与 Doris 内部类型的映射体系（此前已覆盖 Int8/Int16/Int32/Int64/Int128/Float/Double
等），进一步满足高精度数值场景的存储与处理需求，避免大数值或高精度数据在 JSON 转换中因类型适配问题导致的精度损失，这有助于variant
类型的推导；另一方面，对 JSONB 相关的全量函数（如 json_extract 系列、json_exists_path、json_type
等）进行系统性性能优化，优化后函数执行效率普遍提升 30% 以上，显著加快了 JSON
字段提取、类型判断、路径校验等高频操作的处理速度，为半结构化数据的高效分析提供更强支撑。
+
+相关功能细节可参考 Doris
官方文档：https://doris.apache.org/zh-CN/docs/dev/sql-manual/basic-element/sql-data-types/semi-structured/JSON
+
+## 六、更易用的资源管控
+
+4.0 版本对 workload group 的使用机制进行了优化：统一了 CPU
与内存的软限、硬限定义方式，无需再通过各类配置项单独开启软限或硬限功能，并且同时支持在同一 workload group
中并存使用软限与硬限。优化后不仅简化了参数配置流程，还增强了 workload group 的使用灵活性，能更精准地满足多样化的资源管控需求。
+
+**MIN_CPU_PERCENT 和 MAX_CPU_PERCENT** 定义了在出现 CPU 争用时，Workload Group
中所有请求的最低和最高保证 CPU 资源。
+
+- MAX_CPU_PERCENT（最大 CPU 百分比）是该池中 CPU 带宽的最大限制，不论当前CPU 使用率是多少， 当前Workload Group
的 CPU 使用率超过都不会超过 MAX_CPU_PERCENT。
+- MIN_CPU_PERCENT（最小 CPU 百分比）是为该Workload预留的 CPU 带宽，在存在争用时，其他池无法使用这部分带宽,
但是当资源空闲时可以使用超过 MIN_CPU_PERCENT 的带宽。
+
+例如，假设某公司的销售部门和市场部门共享同一个 Doris 实例。销售部门的工作负载是 CPU 密集型的，且包含高优先级查询；市场部门的工作负载同样是
CPU 密集型，但查询优先级较低。通过为每个部门创建单独的Workload Group，可以为销售Workload Group分配 40% 的最小 CPU
百分比，为市场Workload Group分配 30% 的最大 CPU 百分比。这种配置能确保销售工作负载获得所需的 CPU
资源，同时市场工作负载不会影响销售工作负载对 CPU 的需求。
+
+**MIN_MEMORY_PERCENT 和 MAX_MEMORY_PERCENT** 是Workload Group 可以使用的最小和最大内存量。
+
+- MAX_MEMORY_PERCENT，意味着当请求在该池中运行时，它们占用的内存绝不会超过总内存的这一百分比，一旦超过那么Query
将会触发落盘或者被Kill。
+-
MIN_MEMORY_PERCENT，为某个池设置最小内存值，当资源空闲时，可以使用超过MIN_MEMORY_PERCENT的内存，但是当内存不足时，系统将按照MIN_MEMORY_PERCENT（最小内存百分比）分配内存，可能会选取一些Query
Kill，将Workload Group 的内存使用量降低到MIN_MEMORY_PERCENT，以确保其他Workload Group有足够的内存可用。
+
+**与落盘相结合**
+
+在这个版本中，我们将workload group的内存管理能力与落盘功能进行融合，用户不仅可以通过为每一个Query
设置内存大小来控制落盘，还可以通过workload group 的slot 机制来实现动态落盘，在workload group 之上我们实现了以下策略：
+
+- none，默认值，表示不启用；在这种方式下，Query 就尽量的使用内存，但是一旦达到Workload
Group的上限，就会触发落盘；此时不会根据查询的大小选择。
+- fixed，每个query 可以使用的的内存 = `workload group的mem_limit * query_slot_count/
max_concurrency`；这种内存分配策略实际是按照并发，给每个Query 分配了固定的内存。
+- dynamic，每个query 可以使用的的内存 = `workload group的mem_limit * query_slot_count/
sum(running query slots)`，它主要是克服了fixed 模式下，会存在有一些slot 没有使用的情况；实际就是把大的查询先落盘。
+
+fixed或者dynamic 都是设置的query的硬限，一旦超过，就会落盘或者kill；而且会覆盖用户设置的静态内存分配的参数。
所以当要设置slot_memory_policy时，一定要设置好workload group的max_concurrency，否则会出现内存不足的问题。
+
+## 总结
+
+本次 Apache Doris 新版本通过 AI
与搜索能力的深度融合、离线计算的稳定性提升、性能与易用性的双重优化，进一步拓宽了数据库的应用边界，可更好地支撑企业从传统 BI 分析到 AI
智能检索、从实时查询到大规模离线批处理的全场景数据分析需求。无论是互联网、金融、零售等行业的实时报表、用户行为分析，还是政务、医疗领域的文档检索、大规模数据批处理，新版本
Doris 都将为用户提供更高效、更可靠的数据分析体验。
+
+目前，Apache Doris 新版本已开放下载，详细特性文档与升级指南可访问官方网站（ https://doris.apache.org/
）查看，欢迎社区用户体验与反馈！
+
+## 致谢
+
+在此，再次向所有参与版本研发、测试和需求反馈的贡献者们表示最衷心的感谢：
+
+Pxl, walter, Gabriel, Mingyu Chen (Rayner), Mryange, morrySnow, zhangdong,
lihangyu, zhangstar333, hui lai, Calvin Kirs, deardeng, Dongyang Li, Kaijie
Chen, Xinyi Zou, minghong, meiyi, James / Jibing-Li, seawinde, abmdocrt,
Yongqiang YANG, Sun Chenyang, wangbo, starocean999, Socrates / 苏小刚，Gavin Chou,
924060929, HappenLee, yiguolei, daidai, Lei Zhang, zhengyu, zy-kkk, zclllyybb
/zclllhhjj, bobhan1, amory, zhiqiang, Jerry Hu, Xin Liao, Siyang Tang,
LiBinfeng, Tiewei Fang, Luwei, huanghaib [...]
\ No newline at end of file
diff --git a/sidebars.json b/sidebars.json
index 06a70c19d10..d1100a1791d 100644
--- a/sidebars.json
+++ b/sidebars.json
@@ -2437,6 +2437,13 @@
"collapsed": false,
"items": [
"releasenotes/all-release",
+ {
+ "type": "category",
+ "label": "v4.0",
+ "items": [
+ "releasenotes/v4.0/release-4.0.0"
+ ]
+ },
{
"type": "category",
"label": "v3.1",
diff --git a/src/constant/download.data.ts b/src/constant/download.data.ts
index d40ac7c3de2..5fbcc3c6f08 100644
--- a/src/constant/download.data.ts
+++ b/src/constant/download.data.ts
@@ -30,15 +30,49 @@ export enum ToolsEnum {
export const ORIGIN =
'https://apache-doris-releases.oss-accelerate.aliyuncs.com/';
export enum VersionEnum {
- Latest = '3.1.1',
- Prev = '3.0.8',
- Earlier = '2.1.11',
+ Latest = '4.0.0',
+ Prev = '3.1.1',
+ Earlier = '3.0.8',
}
export enum DownloadTypeEnum {
Binary = 'Binary',
Source = 'Source',
}
export const DORIS_VERSIONS: Option[] = [
+ {
+ label: '4.0.0',
+ value: '4.0.0',
+ majorVersion: '4.0',
+ children: [
+ {
+ label: CPUEnum.X64,
+ value: CPUEnum.X64,
+ gz: `${ORIGIN}apache-doris-4.0.0-bin-x64.tar.gz`,
+ asc: `${ORIGIN}apache-doris-4.0.0-bin-x64.tar.gz.asc`,
+ sha512: `${ORIGIN}apache-doris-4.0.0-bin-x64.tar.gz.sha512`,
+ source: 'https://downloads.apache.org/doris/4.0/4.0.0/',
+ version: '4.0.0',
+ },
+ {
+ label: CPUEnum.X64NoAvx2,
+ value: CPUEnum.X64NoAvx2,
+ gz: `${ORIGIN}apache-doris-4.0.0-bin-x64-noavx2.tar.gz`,
+ asc: `${ORIGIN}apache-doris-4.0.0-bin-x64-noavx2.tar.gz.asc`,
+ sha512:
`${ORIGIN}apache-doris-4.0.0-bin-x64-noavx2.tar.gz.sha512`,
+ source: 'https://downloads.apache.org/doris/4.0/4.0.0/',
+ version: '4.0.0',
+ },
+ {
+ label: CPUEnum.ARM64,
+ value: CPUEnum.ARM64,
+ gz: `${ORIGIN}apache-doris-4.0.0-bin-arm64.tar.gz`,
+ asc: `${ORIGIN}apache-doris-4.0.0-bin-arm64.tar.gz.asc`,
+ sha512: `${ORIGIN}apache-doris-4.0.0-bin-arm64.tar.gz.sha512`,
+ source: 'https://downloads.apache.org/doris/4.0/4.0.0/',
+ version: '4.0.0',
+ },
+ ],
+ },
{
label: '3.1.1',
value: '3.1.1',
@@ -155,6 +189,46 @@ export type AllVersionOption = {
};
export const ALL_VERSIONS: AllVersionOption[] = [
+ {
+ label: '4.0',
+ value: '4.0',
+ children: [
+ {
+ label: '4.0.0',
+ value: '4.0.0',
+ majorVersion: '4.0',
+ items: [
+ {
+ label: CPUEnum.X64,
+ value: CPUEnum.X64,
+ gz: `${ORIGIN}apache-doris-4.0.0-bin-x64.tar.gz`,
+ asc: `${ORIGIN}apache-doris-4.0.0-bin-x64.tar.gz.asc`,
+ sha512:
`${ORIGIN}apache-doris-4.0.0-bin-x64.tar.gz.sha512`,
+ source:
'https://downloads.apache.org/doris/4.0/4.0.0/',
+ version: '4.0.0',
+ },
+ {
+ label: CPUEnum.X64NoAvx2,
+ value: CPUEnum.X64NoAvx2,
+ gz:
`${ORIGIN}apache-doris-4.0.0-bin-x64-noavx2.tar.gz`,
+ asc:
`${ORIGIN}apache-doris-4.0.0-bin-x64-noavx2.tar.gz.asc`,
+ sha512:
`${ORIGIN}apache-doris-4.0.0-bin-x64-noavx2.tar.gz.sha512`,
+ source:
'https://downloads.apache.org/doris/4.0/4.0.0/',
+ version: '4.0.0',
+ },
+ {
+ label: CPUEnum.ARM64,
+ value: CPUEnum.ARM64,
+ gz: `${ORIGIN}apache-doris-4.0.0-bin-arm64.tar.gz`,
+ asc:
`${ORIGIN}apache-doris-4.0.0-bin-arm64.tar.gz.asc`,
+ sha512:
`${ORIGIN}apache-doris-4.0.0-bin-arm64.tar.gz.sha512`,
+ source:
'https://downloads.apache.org/doris/4.0/4.0.0/',
+ version: '4.0.0',
+ },
+ ],
+ },
+ ],
+ },
{
label: '3.1',
value: '3.1',
diff --git a/static/images/4.0.0-release.png b/static/images/4.0.0-release.png
new file mode 100644
index 00000000000..f194595bdae
Binary files /dev/null and b/static/images/4.0.0-release.png differ
---------------------------------------------------------------------
To unsubscribe, e-mail: [email protected]
For additional commands, e-mail: [email protected]
