专业的图数据库

Transwarp StellarDB是星环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，提供丰富的图分析算法和深度图算法；支持标准图查询语言并兼容 openCypher，并具备2D/3D图展示能力，可以帮助用户快速开发欺诈检测、推荐引擎、社交网络分析、知识图谱等应用。

图数据库具有以下特点：数据模型直观性：图数据库采用节点和边的形式来存储和表示数据，节点代表实体，边代表实体之间的关系，这种模型直观地反映了现实世界中的复杂关系。灵活性：图数据库的数据模型非常灵活，不需要预先定义复杂的表结构和约束，可以根据实际需求动态调整数据模型。节点、边和属性都可以随时扩展，能够灵活地支持不同类型的数据和关系。查询性能高效查询：图数据库可以快速执行复杂的关系查询，支持毫秒级的查询延时。它通过图的遍历算法快速获取节点之间的关系，查询性能通常比传统的关系型数据库更高。关联数据查询：图数据库提供了高效的关联查询能力，可以通过查询实体的边和其边上的标签来快速地获取与其相联系的另一实体，省去了复杂的表关联操作。可扩展性水平扩展：图数据库支持水平扩展，可以轻松地处理大规模数据集。随着数据量的增长，可以通过增加更多的节点来扩展数据库的容量。分布式架构：许多图数据库采用分布式架构，能够并行处理查询请求，实现更高的数据处理能力和可靠性。关系分析能力强大的关系分析：图数据库以图为核心，能够快速进行复杂的关系分析。它支持多种图算法，如最短路径、社区发现、图聚类等，帮助用户发现数据中隐藏的

与传统的数据库模型相比，图数据库具备多种优势。使用图数据库的主要好处：重点关系：图数据库擅长于管理和分析数据元素之间的关系。它们专门设计用于高效存储、遍历和查询复杂的互连关系，因此成为那些严重依赖关系的应用程序的佳选择。性能：图形数据库能够快速高效地查询导航关系。它们利用针对图形的特定算法和索引技术来优化遍历操作，并实现快速检索连接的数据。灵活性：图形数据库提供了模式的灵活性，能够随着时间的推移而演化。而无需对现有数据模型进行大规模修改，就可以添加新的节点、关系和属性。这种灵活性有助于敏捷开发和适应不断变化的业务需求。可扩展性：图数据库可以通过将数据分布到多个服务器或节点来实现水平扩展。这种架构使得它们能够轻松处理大型且持续增长的数据集，同时保持高性能。此外，图数据库的分布式特性还支持高可用性和容错能力。深入了解：图形数据库能够揭示其他数据库模型中可能无法立即展现的隐藏模式、依赖关系和见解。通过分析关系，图形数据库呈现了有价值的见解，可以为精明决策提供推动力，促进建议，并支持高级分析。自然表示数据：图数据库与数据的自然结构方式非常相符，特别是在关系发挥关键作用的领域。图模型紧密反映了

图数据库的应用原理是通过查询和分析连接数据，建立关联并对海量数据进行分析和挖掘。与其他类型的数据库相比，图数据库具有操作便捷、数据直观、存储模式灵活和应用场景丰富等优势。因此，图数据库是未来处理复杂数据关系的技术趋势。当前，对图数据库的需求应用场景不断增多。从计算和分析数据的角度来看，图数据库的性能比传统数据库提升了百倍以上。在金融、电信等多个领域都面临着巨大的需求。基于数据关联特征和问题相似性，典型的图数据库应用场景包括：反欺诈、推荐引擎、知识图谱、主数据管理、地理空间分析和社交网络等。星环分布式图数据库-TranswarpStellarDBTranswarpStellarDB是星环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，提供丰富的图分析表现，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。

图数据库的应用原理是通过查询和分析连接数据，建立关联并对海量数据进行分析和挖掘。与其他类型的数据库相比，图数据库具有操作便捷、数据直观、存储模式灵活和应用场景丰富等优势。因此，图数据库是未来处理复杂数据关系的技术趋势。当前，对图数据库的需求应用场景不断增多。从计算和分析数据的角度来看，图数据库的性能比传统数据库提升了百倍以上。在金融、电信等多个领域都面临着巨大的需求。基于数据关联特征和问题相似性，典型的图数据库应用场景包括：反欺诈、推荐引擎、知识图谱、主数据管理、地理空间分析和社交网络等。星环分布式图数据库-TranswarpStellarDBTranswarpStellarDB是星环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，提供丰富的图分析表现，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。

图数据库的应用原理是通过查询和分析连接数据，建立关联并对海量数据进行分析和挖掘。与其他类型的数据库相比，图数据库具有操作便捷、数据直观、存储模式灵活和应用场景丰富等优势。因此，图数据库是未来处理复杂数据关系的技术趋势。当前，对图数据库的需求应用场景不断增多。从计算和分析数据的角度来看，图数据库的性能比传统数据库提升了百倍以上。在金融、电信等多个领域都面临着巨大的需求。基于数据关联特征和问题相似性，典型的图数据库应用场景包括：反欺诈、推荐引擎、知识图谱、主数据管理、地理空间分析和社交网络等。星环分布式图数据库-TranswarpStellarDBTranswarpStellarDB是星环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，提供丰富的图分析表现，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。

图数据库的应用原理是通过查询和分析连接数据，建立关联并对海量数据进行分析和挖掘。与其他类型的数据库相比，图数据库具有操作便捷、数据直观、存储模式灵活和应用场景丰富等优势。因此，图数据库是未来处理复杂数据关系的技术趋势。当前，对图数据库的需求应用场景不断增多。从计算和分析数据的角度来看，图数据库的性能比传统数据库提升了百倍以上。在金融、电信等多个领域都面临着巨大的需求。基于数据关联特征和问题相似性，典型的图数据库应用场景包括：反欺诈、推荐引擎、知识图谱、主数据管理、地理空间分析和社交网络等。星环分布式图数据库-TranswarpStellarDBTranswarpStellarDB是星环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，提供丰富的图分析表现，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。

与传统的数据库模型相比，图数据库具备多种优势。使用图数据库的主要好处：重点关系：图数据库擅长于管理和分析数据元素之间的关系。它们专门设计用于高效存储、遍历和查询复杂的互连关系，因此成为那些严重依赖关系的应用程序的佳选择。性能：图形数据库能够快速高效地查询导航关系。它们利用针对图形的特定算法和索引技术来优化遍历操作，并实现快速检索连接的数据。灵活性：图形数据库提供了模式的灵活性，能够随着时间的推移而演化。而无需对现有数据模型进行大规模修改，就可以添加新的节点、关系和属性。这种灵活性有助于敏捷开发和适应不断变化的业务需求。可扩展性：图数据库可以通过将数据分布到多个服务器或节点来实现水平扩展。这种架构使得它们能够轻松处理大型且持续增长的数据集，同时保持高性能。此外，图数据库的分布式特性还支持高可用性和容错能力。深入了解：图形数据库能够揭示其他数据库模型中可能无法立即展现的隐藏模式、依赖关系和见解。通过分析关系，图形数据库呈现了有价值的见解，可以为精明决策提供推动力，促进建议，并支持高级分析。自然表示数据：图数据库与数据的自然结构方式非常相符，特别是在关系发挥关键作用的领域。图模型紧密反映了

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

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•...

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：

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"}...

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...

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

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。

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

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。...