国内数据湖创业公司

星环科技是国内一家专业的隐私计算公司，致力于为企业提供安全可靠的数据隐私保护解决方案。星环科技分布式隐私计算平台SophonP²C星环科技分布式隐私计算平台SophonP²C集多方安全计算、联邦学习等多种功能，为隐私计算提供完整的解决方案，以隐私保护为前提，解决了跨组织协作时无法安全利用各方数据的困境。平台支持联邦学习、多方安全计算、匿踪查询等功能；性能方面，联邦学习与多方安全计算可达亿级数据量，助力数据要素安全流通和价值迸发，实现数字经济时代下的跨企业和行业的AI协作。星环科技的隐私计算技术已落地如数据流通、政务民生、金融营销等垂直业务场景，为跨企业数据协作提供安全可信的平台支持。在政务民生场景，SophonP²C通过纵向联邦学习联合居民用电数据与用水数据，生成群租房预测名单。在联合建模过程中，全程明文数据不出，有效保护了居民用水用电的数据隐私信息。联合训练模型比本地单独用电数据训练的。在精准营销场景，通过纵向联邦学习，车企安全引入了多方数据，丰富用户特征维度，对用户行为进行统计分析。在联合建模过程中，全程明文数据不出本地，有效保护了车企与支付机构的数据隐私信息。此外，在挖掘目标

星环科技是国内一家专业的隐私计算公司，致力于为企业提供安全可靠的数据隐私保护解决方案。星环科技分布式隐私计算平台SophonP²C星环科技分布式隐私计算平台SophonP²C集多方安全计算、联邦学习等多种功能，为隐私计算提供完整的解决方案，以隐私保护为前提，解决了跨组织协作时无法安全利用各方数据的困境。平台支持联邦学习、多方安全计算、匿踪查询等功能；性能方面，联邦学习与多方安全计算可达亿级数据量，助力数据要素安全流通和价值迸发，实现数字经济时代下的跨企业和行业的AI协作。星环科技的隐私计算技术已落地如数据流通、政务民生、金融营销等垂直业务场景，为跨企业数据协作提供安全可信的平台支持。在政务民生场景，SophonP²C通过纵向联邦学习联合居民用电数据与用水数据，生成群租房预测名单。在联合建模过程中，全程明文数据不出，有效保护了居民用水用电的数据隐私信息。联合训练模型比本地单独用电数据训练的。在精准营销场景，通过纵向联邦学习，车企安全引入了多方数据，丰富用户特征维度，对用户行为进行统计分析。在联合建模过程中，全程明文数据不出本地，有效保护了车企与支付机构的数据隐私信息。此外，在挖掘目标

Spark核心技术的高科技创业公司，其产品TranswarpDataHub(TDH)的整体架构及功能特性堪比硅谷同行，在业界居于领先水平。星环科技的核心开发团队参与部署了国内早的Hadoop集群，并在中国的成为金融企业的强大保护盾，并保证金融企业的正常运营。在此市场环境下，金融行业大数据应用解决方案也成为了用户关注的焦点。近日，北京银丰新融科技开发有限公司（以下简称：银丰新融）与星环信息科技(上海)有限公司在大数据时代下,通过数据分析创造价值已成为大势所趋，金融行业爆炸式增长的客户数据是一个有待开发的资源，通过技术加以利用就能将其转化为非常有价值的洞察力，不但能帮助金融企业执行实时风险管理，还能（以下简称：星环科技）正式签署战略合作协议，双方将携手推进大数据在金融的风险管理及审计业务领域的技术解决方案和市场推广工作。银丰新融是一家专注于风险管理相关的软件研发及系统集成服务解决方案提供商，致力于为银行、证劵、保险等金融机构提供企业风险内控监督以及金融监管信息报送方面的产品研发、应用开发、项目实施、系统集成以及相关业务管理咨询等IT服务。星环科技是目前国内鲜有的掌握企业级Hadoop和

星环科技是国内一家专业的隐私计算公司，致力于为企业提供安全可靠的数据隐私保护解决方案。星环科技分布式隐私计算平台SophonP²C星环科技分布式隐私计算平台SophonP²C集多方安全计算、联邦学习等多种功能，为隐私计算提供完整的解决方案，以隐私保护为前提，解决了跨组织协作时无法安全利用各方数据的困境。平台支持联邦学习、多方安全计算、匿踪查询等功能；性能方面，联邦学习与多方安全计算可达亿级数据量，助力数据要素安全流通和价值迸发，实现数字经济时代下的跨企业和行业的AI协作。星环科技的隐私计算技术已落地如数据流通、政务民生、金融营销等垂直业务场景，为跨企业数据协作提供安全可信的平台支持。在政务民生场景，SophonP²C通过纵向联邦学习联合居民用电数据与用水数据，生成群租房预测名单。在联合建模过程中，全程明文数据不出，有效保护了居民用水用电的数据隐私信息。联合训练模型比本地单独用电数据训练的。在精准营销场景，通过纵向联邦学习，车企安全引入了多方数据，丰富用户特征维度，对用户行为进行统计分析。在联合建模过程中，全程明文数据不出本地，有效保护了车企与支付机构的数据隐私信息。此外，在挖掘目标

星环科技是国内一家专业的隐私计算公司，致力于为企业提供安全可靠的数据隐私保护解决方案。星环科技分布式隐私计算平台SophonP²C星环科技分布式隐私计算平台SophonP²C集多方安全计算、联邦学习等多种功能，为隐私计算提供完整的解决方案，以隐私保护为前提，解决了跨组织协作时无法安全利用各方数据的困境。平台支持联邦学习、多方安全计算、匿踪查询等功能；性能方面，联邦学习与多方安全计算可达亿级数据量，助力数据要素安全流通和价值迸发，实现数字经济时代下的跨企业和行业的AI协作。星环科技的隐私计算技术已落地如数据流通、政务民生、金融营销等垂直业务场景，为跨企业数据协作提供安全可信的平台支持。在政务民生场景，SophonP²C通过纵向联邦学习联合居民用电数据与用水数据，生成群租房预测名单。在联合建模过程中，全程明文数据不出，有效保护了居民用水用电的数据隐私信息。联合训练模型比本地单独用电数据训练的。在精准营销场景，通过纵向联邦学习，车企安全引入了多方数据，丰富用户特征维度，对用户行为进行统计分析。在联合建模过程中，全程明文数据不出本地，有效保护了车企与支付机构的数据隐私信息。此外，在挖掘目标

近日，创业邦发布了“2023值得关注的AIGC公司”榜单，星环科技凭借在大模型领域的深耕布局和技术实力获评“2023值得关注的AIGC公司”基础层公司。此次结果由创业邦研究中心根据行业影响力、技术成熟度、应用场景和创新性等四个关键维度评选。大模型时代的到来，给软件开发行业带来了巨大的变革，作为一家企业级大数据基础软件开发商，星环科技致力于为行业提供大模型应用构建的一系列工具，以及在擅长的领域研发领域基础大模型，助力企业抓住大模型时代的新机遇。为帮助企业构建自己的大模型，星环科技推出了机器学习模型全生命周期管理的工具平台SophonLLMOps，支持从数据接入开发、提示工程、大模型微调、上架部署到应用编排和业务效果对齐的全链路流程，结合自研向量数据库Hippo和分布式图数据库StellarDB，能够赋予大模型“长期记忆”，打破通用大模型的时空限制，用户可以快速便捷地构建深谙企业自有专业领域知识的垂直行业大模型，从而让每个人都拥有个性化AI助理。同时星环科技还推出了无涯金融大模型Infinity、大数据分析大模型SoLar“求索”两大领域大模型，促进金融分析和大数据分析的平民化。无涯是

Spark核心技术的高科技创业公司，其产品TranswarpDataHub(TDH)的整体架构及功能特性堪比硅谷同行，在业界居于领先水平。星环科技的核心开发团队参与部署了国内早的Hadoop集群，并在中国的成为金融企业的强大保护盾，并保证金融企业的正常运营。在此市场环境下，金融行业大数据应用解决方案也成为了用户关注的焦点。近日，北京银丰新融科技开发有限公司（以下简称：银丰新融）与星环信息科技(上海)有限公司在大数据时代下,通过数据分析创造价值已成为大势所趋，金融行业爆炸式增长的客户数据是一个有待开发的资源，通过技术加以利用就能将其转化为非常有价值的洞察力，不但能帮助金融企业执行实时风险管理，还能（以下简称：星环科技）正式签署战略合作协议，双方将携手推进大数据在金融的风险管理及审计业务领域的技术解决方案和市场推广工作。银丰新融是一家专注于风险管理相关的软件研发及系统集成服务解决方案提供商，致力于为银行、证劵、保险等金融机构提供企业风险内控监督以及金融监管信息报送方面的产品研发、应用开发、项目实施、系统集成以及相关业务管理咨询等IT服务。星环科技是目前国内鲜有的掌握企业级Hadoop和

，聊一聊他的创业初衷，以及对新基建的看法。星环信息科技有限公司是目前国内极少数掌握企业级大数据核心技术的高科技公司，致力于大数据基础软件的研发，已经在存储引擎层、计算引擎层、编译器层实现了统一重构，打破了国外企业在大数据基础软件领域的垄断地位，国产自主可控大数据产品帮助国内企业提升业务价值和数据价值，并且在近2000多家用户落地。离开英特尔，回国创业2013年，孙元浩离开老东家英特尔，创立星环信息，当时很多基础软件大多都是国外公司研发的，创业团队拥有一个信念：未来十到二十年之内，中国的基础软件公司会不断出现，具备和美国公司竞争的实力，而且会做得更好。“这是我们的信念，所以我们在2013年决定创办星和科幻电影中快的。。取这个名字，寓意是想让大数据软件和分布式计算引擎能够像光速一样或者超越光速，能够达到快的速度，对数据处理的效率能够高。中文名字取自《三体》里面的星环集团，寓意公司未来能聚集世界上优秀的科学家，打造世界上领先的技术，探索属于未来的技术“我们希望聚集一批优秀的工程师，打造好的大数据和人工智能基础软件。”新基建，信息科技类公司的机遇谈到新基建，孙元浩说，新基建是中国经济转型过程中的一个重要

近日，创业邦发布了“2023值得关注的AIGC公司”榜单，星环科技凭借在大模型领域的深耕布局和技术实力获评“2023值得关注的AIGC公司”基础层公司。此次结果由创业邦研究中心根据行业影响力、技术成熟度、应用场景和创新性等四个关键维度评选。大模型时代的到来，给软件开发行业带来了巨大的变革，作为一家企业级大数据基础软件开发商，星环科技致力于为行业提供大模型应用构建的一系列工具，以及在擅长的领域研发领域基础大模型，助力企业抓住大模型时代的新机遇。为帮助企业构建自己的大模型，星环科技推出了机器学习模型全生命周期管理的工具平台SophonLLMOps，支持从数据接入开发、提示工程、大模型微调、上架部署到应用编排和业务效果对齐的全链路流程，结合自研向量数据库Hippo和分布式图数据库StellarDB，能够赋予大模型“长期记忆”，打破通用大模型的时空限制，用户可以快速便捷地构建深谙企业自有专业领域知识的垂直行业大模型，从而让每个人都拥有个性化AI助理。同时星环科技还推出了无涯金融大模型Infinity、大数据分析大模型SoLar“求索”两大领域大模型，促进金融分析和大数据分析的平民化。无涯是

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...

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"}...

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

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

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":...

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•...

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。

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

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。...

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：