宽表数据库国内厂商

复杂多变的数据成为各单位机构面临的一大难题。基于上述的挑战，星环推出了TranswarpHyperbaseNoSQL宽表数据库，用来满足企业级用户经济灵活高效地管理数据的需求。Hyperbase能够随着信息时代的到来，数据已逐渐成为金融、企业、政府、运营商等单位机构的重要决策依据。以传统关系型数据库为代表的技术由于性能，成本，可扩展性等缺陷，很难满足爆炸式数据增长的需要，如何经济高效地管理海量轻易地通过在集群中增加或者减少硬件数量来实现性能的伸缩，从而进一步提升集群的运行速度以及处理能力，轻松应对百万级高并发的查询业务。Hyperbase支持以标准SQL为接口的高效数据访问，并提供高效的数据迁移工具，不仅能大幅度降低企业级用户数据应用变更和数据平台迁移的实施成本，还满足了用户在统一的数据平台上同时支撑新老业务的需求，大幅度降低了企业的运维成本。

简单、更便捷的进行大数据分析。为了满足更多用户在存储以及高并发点查方面的需求,此次TDH社区版推出了星环科技自主研发的NoSQL宽表数据库TranswarpHyperbase。TranswarpHyperbase介绍Hyperbase是什么TranswarpHyperbase是星环科技自主研发的NoSQL宽表数据库，支撑百万级高并发、毫秒级低延时业务需求。支持结构化数据，及文本、图像、视频、对象等实时处理应用的需求。传统的通用关系型数据库无法应对在数据规模剧增时导致的系统扩展性和性能问题（分库分表也不能很好解决），很难实现横向扩展，纵向扩展的空间也比较有限。Hyperbase能够轻易地通过在集群中增加或者Hyperbase关系数据库已经流行很多年，尽管Hadoop可以很好地解决大规模数据的离线批量处理问题，但是，受限于MapReduce编程框架的高延迟数据处理机制，使得Hadoop无法满足大规模数据减少硬件数量来实现性能的伸缩，提升集群的运行速度以及处理能力，轻松应对百万级高并发的查询业务。不同于传统的关系型数据库，Hyperbase采用列式存储模式，每个列族都由几个文件保存，不同列族的文件是

近日，国内知名的科技产业研究平台“第一新声”联合天眼查发布了“2024年中国最佳信创厂商系列榜单”。星环科技凭借多年来在信创领域的深耕布局，入选“中国最佳信创数据库厂商”榜单。此前星环科技也曾入选“2023年中国最佳信创数据库厂商”榜单。根据第一新声对于信创产业的持续跟踪调研分析，近年来在国际环境变化、国内数字经济高速发展等多重因素推动下，2024年信创改造工作推进迅速，党政信创由省市向区县下沉图谱和最佳信创数据库厂商榜单”、“信创产业实干者企业”；荣登2023年度中国高科技高成长企业系列榜单——信创产业最佳服务商；成为政企信创促进中心首批成员单位等。技术发展策略，积极参与信息产业国产化进程，形成了大数据与云基础平台（TDH&TDC）、分布式关系型数据库（ArgoDB&KunDB）、数据开发与智能分析工具（TDS&Sophon）、知识平台与领域大模型（TKH&无涯）的软件产品矩阵。经过多年的自主研发，星环科技积累了31项核心技术，主要体现在分布式技术、SQL编译技术、数据库技术、多模型数据的统一处理技术、基于容器的

被一起查询的相关数据。当前DB-Engine中宽表NoSQL数据库的排名如下表，可以看到受欢迎的主要是Cassandra、HBase和Azure上的CosmosDB。接下来我们将介绍一下HBase的情况。HBase是一个面向列的分布式NoSQL数据库，是GoogleBigtable框架的开源实现，能够响应随机、实时的数据检索需求。HBase主要的存储和处理对象是大宽表，存储模式可以兼容本地存储机制确保数据库容错能力。通常的适用场景为：面向多版本、稀疏的、半结构化和结构化的数据高并发写入/查询的OLTP业务。HBase的数据模型由不同的逻辑概念构成，包括：表、行、行键、列、列族、单元、时间戳。表上会是层次化结构或者树形结构。这个做法的好处是非常容易增加半结构化或者结构化数据的处理能力。目前搜索引擎比较有代表性的数据库有开源Elasticsearch，国内星环科技有自研的搜索产品Scope。在。Document类似于关系型数据中行的概念，一个Document包含每一个Field中与之相应的数据值。Type类似数据库中的表级别概念，而Index是Elasticsearch中大的数据单位，与SQL的

代表厂商图谱和“中国佳信创数据库厂商”榜单。近年来，在国际环境变化、国内数字经济高速发展等多重因素推动下，信创产业进入爆发阶段。据第一新声调研分析，2023年信创产业市场规模预计为18710.59亿元大数据基础软件国产化的重要推动者之一。经过多年自主研发与技术创新，星环科技已形成大数据与云基础平台、分布式关系型数据库、数据开发与智能分析工具的软件产品矩阵。星环科技产品自带信创基因，根据工信部电子第五众多创新产品，国产化替代更进一步，不但可以替换国外的商业和开源大数据平台、数据库等基础软件产品，而且拥有大量成功的应用案例。大数据基础平台TDH和数据云平台TDC联合，可以完美地替代CDH/HDP和CDP，提升功能、性能、稳定性、易用性、扩展性、可靠性、安全、国产生态支持等能力，提供多种模型支持能力，性能提升可以达到5到100倍，原厂专业服务能力更强。分布式数据库ArgoDB强化实时分析能力，构建国外产品。分布式交易型数据库KunDB可以在交易型OLTP的业务场景、高并发在线数据服务场景等，替代Oracle/DB2/MySQL，并且提升存储计算能力、高可用能力、跨分区事务能力。搜索引擎

代表厂商图谱和“中国佳信创数据库厂商”榜单。近年来，在国际环境变化、国内数字经济高速发展等多重因素推动下，信创产业进入爆发阶段。据第一新声调研分析，2023年信创产业市场规模预计为18710.59亿元大数据基础软件国产化的重要推动者之一。经过多年自主研发与技术创新，星环科技已形成大数据与云基础平台、分布式关系型数据库、数据开发与智能分析工具的软件产品矩阵。星环科技产品自带信创基因，根据工信部电子第五众多创新产品，国产化替代更进一步，不但可以替换国外的商业和开源大数据平台、数据库等基础软件产品，而且拥有大量成功的应用案例。大数据基础平台TDH和数据云平台TDC联合，可以完美地替代CDH/HDP和CDP，提升功能、性能、稳定性、易用性、扩展性、可靠性、安全、国产生态支持等能力，提供多种模型支持能力，性能提升可以达到5到100倍，原厂专业服务能力更强。分布式数据库ArgoDB强化实时分析能力，构建国外产品。分布式交易型数据库KunDB可以在交易型OLTP的业务场景、高并发在线数据服务场景等，替代Oracle/DB2/MySQL，并且提升存储计算能力、高可用能力、跨分区事务能力。搜索引擎

代表厂商图谱和“中国佳信创数据库厂商”榜单。近年来，在国际环境变化、国内数字经济高速发展等多重因素推动下，信创产业进入爆发阶段。据第一新声调研分析，2023年信创产业市场规模预计为18710.59亿元大数据基础软件国产化的重要推动者之一。经过多年自主研发与技术创新，星环科技已形成大数据与云基础平台、分布式关系型数据库、数据开发与智能分析工具的软件产品矩阵。星环科技产品自带信创基因，根据工信部电子第五众多创新产品，国产化替代更进一步，不但可以替换国外的商业和开源大数据平台、数据库等基础软件产品，而且拥有大量成功的应用案例。大数据基础平台TDH和数据云平台TDC联合，可以完美地替代CDH/HDP和CDP，提升功能、性能、稳定性、易用性、扩展性、可靠性、安全、国产生态支持等能力，提供多种模型支持能力，性能提升可以达到5到100倍，原厂专业服务能力更强。分布式数据库ArgoDB强化实时分析能力，构建国外产品。分布式交易型数据库KunDB可以在交易型OLTP的业务场景、高并发在线数据服务场景等，替代Oracle/DB2/MySQL，并且提升存储计算能力、高可用能力、跨分区事务能力。搜索引擎

国内主流大数据平台厂商在当今数据驱动的时代，大数据技术已成为企业数字化转型的核心支撑。国内大数据产业经过十余年发展，已形成了一批具有自主知识产权的大数据平台厂商，为各行业提供数据处理、存储、分析和应用的全套解决方案。这些厂商不仅推动了国内大数据技术的创新，也为全球大数据生态贡献了中国智慧。国内大数据平台厂商主要分为几类：一类是互联网巨头孵化的技术团队，凭借海量数据处理经验将内部技术产品化；另一类是传统IT企业转型而来，结合原有客户基础提供企业级解决方案；还有一类是专注于大数据领域的创新型企业，在特定技术领域形成差异化优势。这些厂商共同构成了中国大数据产业的中坚力量。从技术架构来看，国内主流大数据平台通常包含数据采集、存储、计算、分析和可视化等核心模块。在底层，分布式文件系统和NoSQL数据库解决了海量数据存储问题；中间层通过批流一体计算框架实现有效处理；上层则提供机器学习、图计算等分析能力。相比国外同类产品，国内平台在易用性、本地化适配和成本控制方面往往更具优势。在行业应用方面，这些厂商的服务已深入金融、电信、政务、零售、制造等多个领域。金融行业利用大数据平台进行风控建模和精准营销

代表厂商图谱和“中国佳信创数据库厂商”榜单。近年来，在国际环境变化、国内数字经济高速发展等多重因素推动下，信创产业进入爆发阶段。据第一新声调研分析，2023年信创产业市场规模预计为18710.59亿元大数据基础软件国产化的重要推动者之一。经过多年自主研发与技术创新，星环科技已形成大数据与云基础平台、分布式关系型数据库、数据开发与智能分析工具的软件产品矩阵。星环科技产品自带信创基因，根据工信部电子第五众多创新产品，国产化替代更进一步，不但可以替换国外的商业和开源大数据平台、数据库等基础软件产品，而且拥有大量成功的应用案例。大数据基础平台TDH和数据云平台TDC联合，可以完美地替代CDH/HDP和CDP，提升功能、性能、稳定性、易用性、扩展性、可靠性、安全、国产生态支持等能力，提供多种模型支持能力，性能提升可以达到5到100倍，原厂专业服务能力更强。分布式数据库ArgoDB强化实时分析能力，构建国外产品。分布式交易型数据库KunDB可以在交易型OLTP的业务场景、高并发在线数据服务场景等，替代Oracle/DB2/MySQL，并且提升存储计算能力、高可用能力、跨分区事务能力。搜索引擎

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：

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

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•...

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

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"}...

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":...

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...

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。...

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。