国产图数据库

国产分布式图数据库哪个好？图数据库作为大数据时代的重要基础设施，近年来在国内发展迅速。面对日益复杂的关联数据分析和实时查询需求，国产分布式图数据库逐渐崭露头角，为各行业提供了新的数据处理选择。那么，在众多国产分布式图数据库产品中，如何判断哪个更适合自己的需求呢？图数据库的核心特点图数据库与传统关系型数据库的区别在于其数据模型。图数据库采用节点、边和属性的方式存储数据，特别适合处理高度互联的数据服务器上，分布式图数据库能够处理海量图数据，同时保持较高的可用性和容错性。国产分布式图数据库在这些基础能力上已经与国际主流产品看齐，部分性能指标甚至实现了超越。评估国产分布式图数据库的关键维度性能表现是首要考量因素。优秀的国产分布式图数据库应具备高吞吐量和低延迟特性，能够支持每秒数万甚至更高的事务处理能力。在复杂关联查询场景下，响应时间应控制在毫秒级。实际测试中，可以关注其在不同规模数据集上的查询性能恢复等企业级功能也不可或缺。国产产品的特色优势国产分布式图数据库在本地化适配方面具有天然优势。针对中文文本处理、国内网络环境、国产硬件适配等方面都做了大量优化。部分产品还特别设计了符合国内开发者习惯的

国产分布式图数据库哪个好？图数据库作为大数据时代的重要基础设施，近年来在国内发展迅速。面对日益复杂的关联数据分析和实时查询需求，国产分布式图数据库逐渐崭露头角，为各行业提供了新的数据处理选择。那么，在众多国产分布式图数据库产品中，如何判断哪个更适合自己的需求呢？图数据库的核心特点图数据库与传统关系型数据库的区别在于其数据模型。图数据库采用节点、边和属性的方式存储数据，特别适合处理高度互联的数据服务器上，分布式图数据库能够处理海量图数据，同时保持较高的可用性和容错性。国产分布式图数据库在这些基础能力上已经与国际主流产品看齐，部分性能指标甚至实现了超越。评估国产分布式图数据库的关键维度性能表现是首要考量因素。优秀的国产分布式图数据库应具备高吞吐量和低延迟特性，能够支持每秒数万甚至更高的事务处理能力。在复杂关联查询场景下，响应时间应控制在毫秒级。实际测试中，可以关注其在不同规模数据集上的查询性能恢复等企业级功能也不可或缺。国产产品的特色优势国产分布式图数据库在本地化适配方面具有天然优势。针对中文文本处理、国内网络环境、国产硬件适配等方面都做了大量优化。部分产品还特别设计了符合国内开发者习惯的

国产分布式图数据库哪个好？图数据库作为大数据时代的重要基础设施，近年来在国内发展迅速。面对日益复杂的关联数据分析和实时查询需求，国产分布式图数据库逐渐崭露头角，为各行业提供了新的数据处理选择。那么，在众多国产分布式图数据库产品中，如何判断哪个更适合自己的需求呢？图数据库的核心特点图数据库与传统关系型数据库的区别在于其数据模型。图数据库采用节点、边和属性的方式存储数据，特别适合处理高度互联的数据服务器上，分布式图数据库能够处理海量图数据，同时保持较高的可用性和容错性。国产分布式图数据库在这些基础能力上已经与国际主流产品看齐，部分性能指标甚至实现了超越。评估国产分布式图数据库的关键维度性能表现是首要考量因素。优秀的国产分布式图数据库应具备高吞吐量和低延迟特性，能够支持每秒数万甚至更高的事务处理能力。在复杂关联查询场景下，响应时间应控制在毫秒级。实际测试中，可以关注其在不同规模数据集上的查询性能恢复等企业级功能也不可或缺。国产产品的特色优势国产分布式图数据库在本地化适配方面具有天然优势。针对中文文本处理、国内网络环境、国产硬件适配等方面都做了大量优化。部分产品还特别设计了符合国内开发者习惯的

模型等场景，落地业务创新，享受到国产图数据库发展第一波红利。图数据库和知识图谱平台将成为企业必不可少的新型数据基础设施。借助星环分布式图数据库StellarDB+知识图谱平台SophonKG，该图数据库原理虽然高深莫测，但是其应用场景却日渐丰富，应用效果出奇得好，不管是新冠疫情溯源、案件侦破、监管机构风险防范、医疗服务中病情诊断等等。那么谁会先在图数据库应用中获益呢?毫无疑问是能创造高价洞察效率。某银行采用星环科技的分布式图数据库StellarDB和知识图谱平台Sophon，替代开源的图数据库，构建关联关系图谱和小微事件图谱等，应用于资金断点分析、异常图模式探索、异常交易识别、交易轨迹值的金融机构。随着金融领域数据挖掘分析的日益深化，银行对于利用海量结构化或非结构化数据，构建全行级的特定场景知识图谱需求日益旺盛，赋能业务，帮助业务人员构建深度关系拓扑，并借助图分析和图算法，提升业务证券公司打造了全新的一站式国产化企业图谱，满足了企业级的系统建设需要，支撑集团客户画像、风险事件报告、科创板关联发现以及联机分析等创新应用场景，实现了分布式集群管理、统一的资源隔离与权限管理、计算性能的优化提升，以及丰富的可视化效果等。

国产分布式图数据库哪个好？图数据库作为大数据时代的重要基础设施，近年来在国内发展迅速。面对日益复杂的关联数据分析和实时查询需求，国产分布式图数据库逐渐崭露头角，为各行业提供了新的数据处理选择。那么，在众多国产分布式图数据库产品中，如何判断哪个更适合自己的需求呢？图数据库的核心特点图数据库与传统关系型数据库的区别在于其数据模型。图数据库采用节点、边和属性的方式存储数据，特别适合处理高度互联的数据服务器上，分布式图数据库能够处理海量图数据，同时保持较高的可用性和容错性。国产分布式图数据库在这些基础能力上已经与国际主流产品看齐，部分性能指标甚至实现了超越。评估国产分布式图数据库的关键维度性能表现是首要考量因素。优秀的国产分布式图数据库应具备高吞吐量和低延迟特性，能够支持每秒数万甚至更高的事务处理能力。在复杂关联查询场景下，响应时间应控制在毫秒级。实际测试中，可以关注其在不同规模数据集上的查询性能恢复等企业级功能也不可或缺。国产产品的特色优势国产分布式图数据库在本地化适配方面具有天然优势。针对中文文本处理、国内网络环境、国产硬件适配等方面都做了大量优化。部分产品还特别设计了符合国内开发者习惯的

星环科技图数据库StellarDB是国产高性能图数据库，采用分布式架构和原生图计算引擎，支持超大规模数据管理和高效的图计算。TranswarpStellarDB具有以下特点：原生图、日志审计、数据加密、计算资源管控、备份恢复等完备的企业级数据库功能。强大的可视化能力：StellarDB的可视化界面支持2D和3D的图可视化展示，集成批量导入、备份恢复、状态监控、参数配置、重建副本等图数据库常用功能。TranswarpStellarDB克服了海量关联图数据存储的难题，通过集群化存储和丰富算法，实现了传统数据库无法提供的低延时多层关系查询，目前已经用于金融、政府、交通等众多计算平台国内代表厂商入选信通院“图计算平台”关键词图谱。也通过了中国信通院图数据库和图计算平台基础能力两项专项测评。同时在全球著名咨询机构Gartner近日发布的《图数据库管理系统市场指南》中，星环科技也被列为图数据库管理系统全球代表厂商。星环科技还入选了《中国数据库市场指南》、《工具：中国数据库管理系统供应商甄选》报告等。

模型等场景，落地业务创新，享受到国产图数据库发展第一波红利。图数据库和知识图谱平台将成为企业必不可少的新型数据基础设施。借助星环分布式图数据库StellarDB+知识图谱平台SophonKG，该图数据库原理虽然高深莫测，但是其应用场景却日渐丰富，应用效果出奇得好，不管是新冠疫情溯源、案件侦破、监管机构风险防范、医疗服务中病情诊断等等。那么谁会先在图数据库应用中获益呢?毫无疑问是能创造高价洞察效率。某银行采用星环科技的分布式图数据库StellarDB和知识图谱平台Sophon，替代开源的图数据库，构建关联关系图谱和小微事件图谱等，应用于资金断点分析、异常图模式探索、异常交易识别、交易轨迹值的金融机构。随着金融领域数据挖掘分析的日益深化，银行对于利用海量结构化或非结构化数据，构建全行级的特定场景知识图谱需求日益旺盛，赋能业务，帮助业务人员构建深度关系拓扑，并借助图分析和图算法，提升业务证券公司打造了全新的一站式国产化企业图谱，满足了企业级的系统建设需要，支撑集团客户画像、风险事件报告、科创板关联发现以及联机分析等创新应用场景，实现了分布式集群管理、统一的资源隔离与权限管理、计算性能的优化提升，以及丰富的可视化效果等。

一体化等优异产品技术能力的同时，进一步带来了覆盖数据存储、查询计算、可视化交互、深度图学习、多模型数据库等产品多方位的能力升级，以高水平的产品能力和图智能持续赋能业务生产以及应用创新，为国产化图数据星环分布式图数据库StellarDB可以在图查询、图分析等场景替代开源图数据库Neo4j。而新发布StellarDB5.0产品在延续企业级海量存储、高性能数据查询分析计算、丰富的可视化交互、安全运维结合，基于图数据库的查询计算能力，提供快速、准实时，甚至实时的特征查询和计算;基于图数据库内置算法，提供多元的图特征计算能力;基于图数据库存储能力，提供高速数据写会能力;针对不同业务场景支持多种深度图可视化工具。星环科技是国内同时具备图数据库、知识图谱平台、图挖掘应用开发能力的企业，其全栈能力，可以助力用户快速构建知识图谱应用。在应用上，借助星环分布式图数据库StellarDB+知识图谱平台嵌入算法模型，相比于传统图算法，能够从图中挖掘学习更多的特征知识，预测更精准。StellarDB5.0带来全面升级的数据可视化分析引擎KGExplorer1.3，一款人人易用、面向业务、数据分析的

、推荐系统等。与传统的关系型数据库相比，图数据库的查询和分析速度更快、更准确，并且能够处理更大规模的数据。国产图数据库-TranswarpStellarDBTranswarpStellarDB是星环图数据库是一种特殊类型的数据库，其数据模型是以图形为基础的。图数据库中的数据由节点和边组成，节点代表实体，边代表实体之间的关系。因此，图数据库非常适合具有复杂关系的数据，例如社交网络、知识图谱、地图科技自主研发的企业级分布式图数据库，提供高性能的图存储、计算、分析、查询和展示服务。StellarDB支持原生图存储,千亿点、万亿边、PB级大规模图数据存储;具备10+层的深度链路分析能力，提供丰富的图表现，StellarDB获得了多家行业权威机构认可，中国信通院重磅发布的2022大数据十大关键词，星环科技作为图计算平台国内代表厂商入选信通院“图计算平台”关键词图谱。此前更是通过了中国信通院图数据库和图计算平台基础能力两项专项测评。同时在全球著名咨询机构Gartner近日发布的《图数据库管理系统市场指南》中，星环科技也被列为图数据库管理系统全球代表厂商。该报告对图数据库市场和技术发展做了阐述和分析

过滤条件表达式Hippo当前支持如下表达式，可用于标量或向量查询。表46.过滤条件表达式表达式描述and当前版本支持and，不支持or/not==等值<小于⇐小于等于>大于>=大于等于inin[1,2,3]notinnot_in[1,2,3]like'_'表示匹配任一字符，'%'表示匹配任意字符，'\'为转义符向量相似性检索本节描述如何进行向量相似度搜索。Hippo中的向量相似性搜索计算查询向量与表中向量的距离，返回最相似的结果集。通过指定标量过滤条件，用户可以进行向量与标量的混合搜索。curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/{table}/_search?pretty'-H'Content-Type:application/json'-d'{"output_fields":["book_id"],"search_params":{"anns_field":"book_intro","topk":2,"params":{"nprobe":10},"embedding_index":"ivf_flat_index"}...

运维管理界面WebserverWebserver是Hippo提供运维监控的界面。默认访问地址为:4567"class="bare">http://<webserver_ip>:4567。或者在Manager管理界面我们可以通过下图所示的查看链接这里进行跳转。图15.登录HippoWebserverWebserver主要由下面几个部分构成。概况图16.概况该页面展示了Hippo集群的基本信息，包括：Masterstatus：当前的ActiveMaster，MasterGroup，MasterAddress，Master的健康状态TabletServerStatus：TabletServerAddress，健康状态，逻辑机架和数据中心信息，容量使用以及Tablet个数TabletNum：当前集群表的个数Version：Hippo版本信息库表图17.库表页面以库和表的概念集群存储的各类数据信息。库信息：库名库创建时间库内各类表的信息：点击某个库，可以看到库下所有表的信息，主要包括：••表的ID••表的名字••表的状态••表的Tablet数量••表的Engine类型••表的副本数•...

本节介绍Hippo表写入相关操作。Hippo会返回写入成功数据的下标以及总共写入成功的数据条数，如果出现行级错误（比如主键冲突），Hippo会返回具体的行级错误。插入本节介绍如何向Hippo中插入数据。curl-ushiva:shiva-XPUT'localhost:8902/hippo/v1/{table}/_bulk?database_name={database_name}&pretty'-H'Content-Type:application/json'-d'{"fields_data":[{"field_name":"book_id","field":[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30,31,32,33,34,35,36,37,38,39,40,41,42,43,44,45,46,47,48,49,50,51,52,53,54,55,56,57,58,59,60,61,62,63,64,65,66,67,68,69,70,71,72,73,74...

OverviewAclusterisaHippoCloudinstanceassociatedwithspecificcomputingresources.Youcancreaterelatedtables,insertcorrespondingdata,andcompleteproductexperiencewithinacluster.Beforeyouusethedemoenvironment,youneedtocreateacluster.CreateClusterYouneedtogotothespecificproject.Iftherearenoclustersunderthecurrentproject,youcanclickthe'Createcluster'buttonbelowtheclustercreationguidancepagetoentertheclustercreation.Ifthereareclustersunderthecurrentproject,youcanclickthe'+Cluster'buttonabovetheclusterlist...

Hippo在1.2版本提供了全文索引能力，兼容ElasticSearch6.7.2语法，在底层架构上复用了公司产品TranswarpScope的一部分特性，支持以Java/HTTPRestful的形式通过Hippo的HTTPServer接口进行全文索引的创建、查询、使用等各类需求，通过该能力的支持，可以更好的实现向量与全文的混合检索。通过将向量检索加全文检索的联合召回，可以降低漏检和误检的概率，能够实现比单独使用向量或全文更高的精度。同时，一套数据库系统可避免部署多套系统带来的架构复杂、开发运维成本高等问题。具体的使用方法除了访问端口需要将端口从8902调整为9200外，均可参考《TranswarpScope手册》4.TranswarpScopeAPI介绍。

在Hippo中，比较耗时的操作如激活、加载向量索引实际上是一个分布式任务，用户可以通过任务相关接口查看、删除任务。查看任务curl-ushiva:shiva-XGET"localhost:8902/hippo/v1/_jobs?pretty"-H'Content-Type:application/json'-d'{"job_ids":["fc6feff4f303455a9347f9aab323dfc8"],"action_patterns":["hippo*"]}';返回结果：{"jobs":[{"job_id":"810935a1d91a46b7af2ec35013454fed","job_status":"SHIVA_JOB_SUCCESS","embedding_number":100,"task_results":[{"id":"54ab52493dfb4bab9fb7742d850c64c4","status":"TASK_SUCCESS","server":"172.29.40.26:27841","embedding_number":100,"execute_time":...

ThistutorialwillguideyouthroughthefollowingtaskswithinHippoCloud:EstablishingatablePerusingthetableIncorporatingdataExecutingsearchoperationsEliminatingrowsDissolvingthetableBeforeyoustartInthisguide,wewillbeutilizingthePythonAPI.Priortocommencement,ensurethatyouhave:RegisteredforaHippoCloudaccount.SubscribedtothecomplimentaryplanandestablishedatrialclusterwithinHippoCloud,orsubscribedtothestandard/enterpriseplansandconstructedadedicatedcluster.IfyouanticipateemployingPythonfordevelopment,ascert...

查看Master节点通过以下命令，查看集群Master节点信息：curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/_cat/master?v'返回结果：epochtimestampactive.master.hostactive.master.portmaster.group169079683909:47:19172.29.203.18926841172.29.203.189:26841,172.29.203.189:26851,172.29.203.189:26861查看数据节点curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/_cat/nodes?v'//查看所有节点curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/_cat/nodes/{node}?v'//{node}表示待匹配的节点地址，支持以*通配，支持指定多个pattern，多个pattern以逗号分割返回结果：

本节测试主要描述了Hippo1.0在关键测试上的一些性能表现，该份测试同样也是Hippo的基准测试，后续版本发布也会在不同版本上进行该测试进行对比分析。术语表142.Hippo性能测试术语TermDescriptionnq一次搜索请求中搜索的向量个数topk一次请求中对于要检索的每个向量(依赖nq)，所能检索到最近距离的向量个数RT一次请求从发起到接受响应的时间]QPS请求在每秒内成功执行的次数dataset测试所用数据集，不同数据集表示不同的业务场景测试集群配置硬件配置表143.性能测试硬件配置硬件规范Nodes3CPUIntel®Xeon®Gold5218RCPU@2.10GHzMemory16*\16GBRDIMM,3200MT/sDISKNVMeSSD2T*4GPUNONE软件配置表144.性能测试软件配置软件版本Hippov1.2TranswarpManagerTDH9.3.0测试集表145.性能测试数据集数据集名称数据集介绍向量维度向量总数查询数量数据总量距离类型Sift-128-euclidean该数据集是基于Texmex的数据集整理，使用SIFT算法得到的图片特征向量。...

OverviewUnstructureddatamanagementismoreimportantthaneverduetotheriseofbigdata.Managingandgleaningbusinessvaluefromunstructureddataisofutmostimportancetoenterprisestoday.Advancementsinmachinelearning,aswellasdeeplearning,technologiesnowenableorganizationstoefficientlyaddressunstructureddataandimprovequalityassuranceefforts.Inthefieldofartificialintelligenceormachinelearning,embeddingsandvectordatabaseshavebecomeincreasinglyimportantfortacklingawiderangeofproblems.Thesetechniquesareusedtorepresen...